Álgebra Linear. Mauri C. Nascimento Departamento de Matemática UNESP/Bauru. 19 de fevereiro de 2013

Tamanho: px
Começar a partir da página:

Download "Álgebra Linear. Mauri C. Nascimento Departamento de Matemática UNESP/Bauru. 19 de fevereiro de 2013"

Transcrição

1 Álgebra Linear Mauri C. Nascimento Departamento de Matemática UNESP/Bauru 19 de fevereiro de 2013 Sumário 1 Matrizes e Determinantes Matrizes Determinante de uma matriz quadrada Matriz escalonada Equivalência de matrizes por linha Sistemas Lineares Sistema de Equações Lineares Classificação de um Sistema Linear Espaços Vetoriais Reais Definição e exemplos Subespaço Dependência Linear Geradores de um espaço vetorial Base e dimensão para um espaço vetorial Espaço das linhas de uma matriz Interseção, soma e soma direta Aplicação às Equações Lineares Coordenadas de um vetor em relação a uma base Mudança de base Espaços de polinômios sobre R Espaços de funções Transformações Lineares Definição e exemplos Núcleo e Imagem Composta e inversa de transformações lineares Operador linear Matriz de um operador linear

2 2 5 Autovalores e Autovetores Autovalores e Autovetores de uma matriz Polinômio característico de um operador linear Diagonalização Produto Interno Definição e exemplos Bases Ortogonais Norma Construção de bases ortogonais e bases ortonormais Complemento ortogonal Operadores Auto-adjuntos ou Hermitianos Apêndice Corpos Polinômio Minimal Forma de Jordan Bibliografia 52 Índice

3 1 MATRIZES E DETERMINANTES 3 1 Matrizes e Determinantes 1.1 Matrizes Definição 1.1 Uma matriz m n é uma tabela com números dispostos em m linhas e n colunas. a 11 a 12 a 1n a A m n = 21 a 22 a 2n... = [a ij m n a m1 a m2 a mn onde a ij é o elemento da matriz que está na linha i e na coluna j. Tipos especiais de Matrizes. Seja uma matriz A = [a ij m n. A é chamada: 1. Matriz Nula se a ij = 0 i, j 2. Matriz Coluna se n = 1 3. Matriz Linha se m = 1 4. Matriz Quadrada de ordem n se m = n Tipos especiais de Matrizes Quadradas. 1. Matriz Identidade se a ij = 0 quando i j e a ii = 1. Notação: I n matriz identidade n n. 2. Simétrica se a ij = a ji (Por exemplo, a matriz identidade) 3. Diagonal se a ij = 0 quando i j 4. Triangular: i) Superior a ij = 0 quando i > j ii) Inferior se a ij = 0 quando i < j Numa matriz quadrada A = [a ij n n, os elementos a 11, a 22,..., a nn formam a diagonal principal da matriz. Observe que, se A = [a ij é uma matriz simétrica, então a i-ésima linha e a i-ésima coluna de A têm exatamente os mesmos elementos e na mesma ordem. O termo simétrica vem do fato de existir uma simetria em A em relação à diagonal principal. Exemplo 1.1 A matriz triangular superior é simétrica e a matriz é uma matriz Exemplo 1.2 Uma matriz identidade I n é uma matriz diagonal, simétrica, triangular inferior e triangular superior. Operações com matrizes Adição de matrizes. Dadas A = [a ij m n e B = [b ij m n, A + B = [a ij + b ij m n. Note que a adição só é possível quando o número de linhas e o número colunas forem iguais nas duas matrizes. Multiplicação por escalar. Dada A = [a ij m n e α um escalar (número), αa = [αa ij m n

4 1 MATRIZES E DETERMINANTES 4 Multiplicação de Matrizes. Dadas A m n = [a ij m n e B n p = [b ij n p, AB = C m p = [c ij m p onde c ij = n k=1 a ikb kj. Note que a multiplicação só é possível quando, no produto, o número de colunas da matriz à esquerda é igual ao número de linhas da matriz à direita. linhas colunas de B n p C m p de A m n c 1 c 2... c p l 1 l 2. l m c ij = l i c j = a i1 b 1j + a i2 b 2j + + a in b nj. Exemplo 1.3 Para A = e B = [ = temos AB = = Note que neste exemplo não é possível realizar o produto BA l 1 c 1 l 1 c 2... l 1 c p l 2 c 1 l 2 c 2... l 2 c p.. l m c 1 l m c 2... l m c p. Propriedades Sejam A, B e C matrizes, O uma matriz nula, I uma matriz identidade e r, s escalares. Desde que sejam possíveis as operações, as seguintes propriedades são válidas. 1. Comutativa. A + B = B + A. Em geral AB BA. 2. Associativa. A + (B + C) = (A + B) + C e A(BC) = (AB)C 3. Distributiva. A(B + C) = AB + AC e (B + C)A = BA + CA 4. A + O = O + A = A; AI = IA = A; OA = O ; AO = O, onde O e O são matrizes nulas adequadas. 5. r(a + B) = ra + rb 6. (r + s)a = ra + sa 7. (ra)b = r(ab) = A(rB) Exemplo 1.4 Para A = [ [ e B = [ , temos AB = [ e BA = Transposição. Se A m n = [a ij é uma matriz, a transposta de A é uma matriz denotada por A t = [b ij onde b ij = a ji. Observe que as linhas de A t são exatamente as colunas de A, isto é, para cada i, a i-ésima linha de A t e a i-ésima coluna de A têm exatamente os mesmos elementos e na mesma ordem. Propriedades da transposta. Sejam A e B matrizes e r um escalar. Desde que sejam possíveis as operações, as seguintes propriedades são válidas.

5 1 MATRIZES E DETERMINANTES 5 1. (A t ) t = A 2. (ra) t = ra t 3. (A + B) t = A t + B t 4. (AB) t = B t A t. Em geral, (AB) t A t B t. 5. A é simétrica se, e somente se, A = A t Em alguns textos, como no livro do Boldrini, a transposta da matriz A é denotada por A. Inversa. Se A é uma matriz quadrada, a inversa de A, caso exista, é uma matriz denotada por A 1 satisfazendo AA 1 = A 1 A = I (matriz identidade). Se A e B têm inversas então AB tem inversa e (AB) 1 = B 1 A 1, pois (AB)(B 1 A 1 ) = A(BB 1 )A 1 = AIA 1 = AA 1 = I. [ [ [ Exemplo 1.5 Para A = e B =, temos A = e B 1 = [ [ [ Temos também, AB =, (AB) = = B 1 A 1 e [ A 1 B = (AB) Determinante de uma matriz quadrada Em lugar de definir o determinante de uma matriz quadrada, vamos considerar o desenvolvimento de Laplace, a partir da i-ésima linha da matriz (o que também poderia ser feito a partir da j-ésima coluna): Para uma matriz quadrada de ordem 1 o determinante é dado por det([a) = a. Para uma matriz quadrada A = [a ij n n, de ordem n 2 det(a) = n ( 1) i+j a ij det(a ij ), j=1 onde A ij é a matriz quadrada de ordem n 1, obtida da matriz A retirando-se a i-ésima linha e j-ésima coluna. A definição de determinante pode ser encontrada nos livros constantes da bibliografia. Exemplo 1.6 Se I n é a matriz identidade de ordem n então det(i n ) = 1. [ a b Exemplo 1.7 Se A = então det(a) = ad bc. c d Exemplo 1.8 Se A = a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 a 32 a 13 a 22 a 31 a 12 a 21 a 33 a 11 a 23 a 32. então det(a) = a 11 a 22 a 33 + a 12 a 23 a 31 + a 13 a 21

6 1 MATRIZES E DETERMINANTES 6 Exercício 1.1 Calcular o determinante das matrizes: A = B = e C = Propriedades de determinantes. 1. Se A tem uma linha (ou coluna) nula então det(a) = 0 2. Se multiplicarmos uma linha (ou coluna) de uma matriz por uma constante r, seu determinante fica multiplicado por r 3. Se A é uma matriz n n e r é um escalar então det(ra) = r n det(a) 4. Trocando a posição de duas linha (ou colunas), o determinante troca de sinal 5. Trocando a linha i por linha i + r(linha j), não se altera o determinante (o mesmo vale para colunas em lugar de linhas) 6. Se A tem duas linhas (ou colunas) iguais então det(a) = 0 7. det(ab) = det(a)det(b) 8. Se existe a inversa de A então det(a 1 ) = 1/(det(A)) 9. Existe a inversa de A se, e somente se, det(a) O determinante de uma matriz triangular é igual ao produto dos elementos da diagonal 11. Se em uma matriz quadrada A, linha i = r(linha j) + s(linha k), j i e k i, então det(a) = det(a) = det(a t ) Exercícios 1.2 Livro do Boldrini página 11 exercícios 1, 2, 6, 9, 10, 12, 13; página 90 exercícios 4, 8 e 13 [ a b Exercício 1.3 Mostre que se A = é uma matriz inversível então c d [ A 1 = 1 d b det(a) c a 1.3 Matriz escalonada Definição 1.2 Dizemos que uma matriz A é uma matriz escalonada (ou matriz em forma de escada) se as condições abaixo são satisfeitas: a) As linhas nulas (caso existam) localizam-se abaixo de todas as linhas não nulas. b) Caso i e j sejam linhas não nulas e i < j, então o primeiro elemento não nulo da linha i está em uma coluna anterior à do primeiro elemento não nulo da linha j. Figura 1: Matriz escalonada

7 1 MATRIZES E DETERMINANTES 7 Exemplo 1.9 São matrizes escalonadas: , 0 0 7, , [ , [7. Não são matrizes escalonadas: , , Equivalência de matrizes por linha Definição 1.3 Dizemos que uma matriz A é equivalente por linhas a uma matriz B, se a matriz B pode ser obtida da matriz A, a partir de uma seqüência finita de operações elementares, as quais estão listadas a seguir. 1. Troca da linha i com a linha j ( L i L j ). 2. Multiplicação da linha i por um escalar não nulo r (L i rl i ). 3. Substituição da linha i por r vezes a linha j somada à linha i, (L i L i + rl j ). No caso de A ser uma matriz quadrada, a operação (1) troca o sinal do determinante; a operação (2) multiplica o determinante por r e a operação (3) não altera o determinante. Exercício 1.4 Utilizando as operações elementares transforme as matrizes abaixo em matrizes equivalentes escalonadas A = B = C = Exercícios 1.5 Livro do Lipschutz: pag , 1.21, 1.22; pag e 1.55 Teorema 1.1 Uma matriz A é inversível se, e somente se, A é equivalente por linhas à matriz identidade. Além disso, a mesma sucessão de operações elementares que transformam a matriz A na matriz identidade, transformam a matriz identidade na inversa de A. Exemplo 1.10 A = L 1 L 3 L 3 L 3 2L L 2 L L 3 L 3 + L 2

8 1 MATRIZES E DETERMINANTES Assim, A = L2 L2 + L3 e L 1 L 1 + 2L 3 L 1 L 1 L L L2 L 3 L 3 Precisamos de tomar cuidado ao fazer mais de uma operação por linhas em uma passagem: L 2 L 2 L 3 e L 3 L 3 L Note que a matriz à esquerda tem determinante 2 e a matriz à direita tem determinante nulo, o que não deveria ser, pois esse tipo de operação não altera o determinante. Quando fazemos L 2 L 2 L 3, a linha L 2 passa a ser [ e, fazendo em seguida L 3 L 3 L 2, a linha L 3 deveria ser [ e não [ Exercício 1.6 Determine as inversas das matrizes dadas abaixo através de escalonamento, caso seja possível. [ [ A = B = C = Exercícios 1.7 Resolva o exercício 9 da página 90 do livro do Boldrini. Livro do Lipschutz: pag ; pag e 4.81

9 2 SISTEMAS LINEARES 9 2 Sistemas Lineares 2.1 Sistema de Equações Lineares Definição 2.1 i) Uma equação linear nas incógnitas (ou variáveis) x 1, x 2,, x n é uma equação dada por: a 1 x 1 + a 2 x 2 + +a n x n = b onde b e os coeficientes a i são escalares. ii) Uma solução da equação dada em (i) é uma n-úpla (c 1, c 2,..., c n ) de escalares que satisfaz a equação: a 1 c 1 + a 2 c 2 + +a n c n = b. iii) Um sistema de equações lineares é um conjunto (finito) de equações lineares. iv) Uma solução de um sistema de equações lineares com n incógnitas é uma n-úpla (c 1, c 2,..., c n ) de escalares que é solução de todas as equações do sistema. Um sistema com m equações e n incógnitas tem representação a 11 x 1 + a 12 x a 1n x n = b 1 a 21 x 1 + a 22 x a 2n x n = b 2. a m1 x 1 + a m2 x a mn x n = b m e também pode ser representado na forma matricial: a 11 a a 1n x 1 b 1 a 21 a a 2n x = b 2. a m1 a m1... a mn x n b m onde [a ij m n, [x i n 1 e [b j m 1 são chamadas, respectivamente, de matriz dos coeficientes, matriz das incógnitas e matriz dos termos independentes. Se b 1 = b 2 =... = b m = 0 dizemos que o sistema é homogêneo. Definimos também a matriz ampliada do sistema: a 11 a a 1n b 1 a 21 a a 2n b a m1 a m1... a mn b m Teorema 2.1 Sistemas que possuem matrizes ampliadas equivalentes por linhas são equivalentes, isto é, ambos possuem o mesmo conjunto de soluções. Exemplo 2.1 O sistema x + y + z = 2 x + 2y = 3 2x + 3y + 2z = 2 tem matriz ampliada que ao ser escalonada pode chegar na matriz

10 2 SISTEMAS LINEARES que é a matriz ampliada do sistema x + y + z = 2 y z = 5 z = 3 cuja solução é x = 1, y = 2 e z = 3, ou seja, (1, 2, 3) é solução do sistema dado. 2.2 Classificação de um Sistema Linear Definição 2.2 Classificação de sistemas lineares. - Um sistema é impossível quando não possui soluções. - Um sistema é possível e determinado quando possui uma única solução. - Um sistema é possível e indeterminado quando possui mais de uma solução. Observe que um sistema homogêneo é sempre possível, pois (0, 0,..., 0) é uma solução. Exemplo 2.2 { x + y = 0 Sistema impossível: x + y = 2 { x + y = 0 Sistema possível e determinado: y = 2 { Sistema possível e indeterminado: x + y = 2 Teorema 2.2 Duas matrizes escalonadas equivalentes por linhas têm sempre o mesmo número de linhas não nulas. Definição 2.3 O posto de uma matriz A é o número de linhas não nulas de qualquer matriz escalonada equivalente por linhas a A. Teorema 2.3 Um sistema é possível se, e somente se o posto da matriz dos coeficientes do sistema é igual ao posto da matriz ampliada. Neste caso, considerando os postos das matrizes iguais a p, e considerando n o número de incógnitas, temos: a) se n = p então o sistema tem uma única solução b) se p < n, para obter uma solução para o sistema, podemos escolher n p incógnitas e atribuir valores quaisquer para elas. Os valores para as outras p incógnitas serão dadas em função destas. Vemos no Teorema anterior que se um sistema tiver mais que uma solução, terá infinitas soluções. O valor n p no ítem (b), é chamado de grau de liberdade do sistema. Exemplo { 2.3 Dado o sistema x + 2y + z + t = 1 x + 3y z + 2t = 3 obtemos o sistema equivalente:

11 2 SISTEMAS LINEARES 11 { x + 2y + z + t = 1 y 2z + t = 2. Temos então n = 4 (incógnitas), p = 2 (posto das matrizes ampliadas e dos coeficientes) e o grau de liberdade do sistema sendo n p = 2. Podemos obter x e y em função de z e t: y = 2 + 2z t e x = 3 5z + t. Podemos também representar as soluções do sistema por (x, y, z, t) = ( 3 5z + t, 2 + 2z t, z, t) ou, trocando z e t pelos parâmetros a e b, (x, y, z, t) = ( 3 5a + b, 2 + 2a b, a, b), ou ainda (x, y, z, t) = ( 3, 2, 0, 0) a(5, 2, 1, 0) + b(1, 1, 0, 1). Atribuindo valores para a e b, obtemos soluções para o sistema. Por exemplo, para a = 2 e b = 1, obtemos x = 14 e y = 7. Assim, (x, y, z, t) = ( 14, 7, 2, 1) é uma solução do sistema. Exemplo 2.4 Dado o sistema x + y z = 3 2x y z = 1 x 2y = 5 obtemos o sistema equivalente: x + y z = 3 3y + z = 4 0 = 6 Assim, o posto da matriz ampliada é 3 e o posto da matriz dos coeficientes é 2 e chegamos no absurdo 0 = 6. Um sistema é homogêneo se tem todos os termos independentes iguais a zero. Assim, todo sistema homogêneo tem, pelo menos, a solução nula. Num sistema homogêneo com n incógnitas e m equações, o posto p da matriz dos coeficientes é igual ao posto da matriz ampliada e p m. Caso p < n, o sistema tem outras soluções, além da solução nula. Exercícios 2.1 Resolver os exercícios do livro do Boldrini: página 49, exercícios 1, 5, 6, 10, 11, 12, 13, 14, 15, 16, 19, 20 Resolver os exercícios do livro do Lipschutz: página 34 exercícios de 1.15 a 1.19; página 49, exercícios 1.48 a 1.51.

12 3 ESPAÇOS VETORIAIS REAIS 12 3 Espaços Vetoriais Reais 3.1 Definição e exemplos Definição 3.1 Um espaço vetorial real é um conjunto V não vazio onde estão definidas a adição de vetores (a adição de elementos de V ) e o produto de por escalar (o produto de números reais por elementos de V ) satisfazedo as condições abaixo, para u, v, w V e r, s números reais. 0) Fechamento: u + v V e ru V Propriedades da adição 1) Associativa: u + (v + w) = (u + v) + w 2) Comutativa: u + v = v + u 3) Vetor nulo: existe O V tal que v + O = O + v = v 4) Oposto de v: se v V então existe v V tal que v + v = v + ( v) = O. Notação para a subtração: u v = u + ( v) Propriedades do produto por escalar 5) r(u + v) = ru + rv 6) (r + s)v = rv + sv 7) r(sv) = (rs)v 8) 1v = v Define-se espaço vetorial complexo da mesma forma como acima, mas considerando-se o produto por escalar como o produto de vetor por número complexo, isto é, se os escalares r e s tomados na definição acima forem números complexos. Espaços vetoriais são definidos de forma mais geral, tomando os escalares como elementos de um corpo K (ver apêndice). O conjunto dos números reais e o conjunto dos números complexos são exemplos de corpos. Quando tomamos um espaço vetorial V, onde com os escalares são elementos de um corpo K, dizemos que V é um espaço vetorial sobre o corpo K. A menos que seja especificado, nos exemplos vamos considerar espaços vetoriais sendo espaços vetoriais reais, isto é, espaços vetoriais sobre o corpo dos números reais. Exemplos 3.1 O conjunto dos vetores no plano forma um espaço vetorial real, como também, o conjunto dos vetores no espaço forma outro espaço vetorial real. Existem outros conjuntos que também formam espaços vetoriais. Por exemplo, dados os inteiros positivos m e n, o conjunto M(m, n) das matrizes reais m n formam um espaço vetorial com as operações de soma de matrizes e produto de escalares por matrizes. O conjunto dos vetores no plano é identificado com R 2 = {(x, y) : x, y R} e o conjunto dos vetores no espaço com R 3 = {(x, y, z) : x, y, z R}. Estes conjuntos podem ser generalizados, tomando R n = {(x 1, x 2,..., x n ) : x 1, x 2,..., x n R}, o conjunto das n-úplas de números reais, onde n é um número inteiro maior que zero. A soma de elementos de R n e o produto de elementos de R n por escalar, isto é, por números reais, é definido como no caso de vetores no R 2 ou R 3 : (x 1, x 2,..., x n ) + (y 1, y 2,..., y n ) = (x 1 + y 1, x 2 + y 2,..., x n + y n ) e r(x 1, x 2,..., x n ) = (rx 1, rx 2,..., rx n ). Observe que R n com as operações que foram definidas, pode ser identificado com o espaço das matrizes reais 1 n.

13 3 ESPAÇOS VETORIAIS REAIS 13 Da mesma forma, considerando C o conjunto dos números complexos, os conjuntos C n = {(x 1, x 2,..., x n ) : x 1, x 2,..., x n C}, são espaços vetoriais complexos, onde as operações são definidas formalmente como em R n. Da mesma forma, se K é um corpo (veja apêndice), os conjuntos da forma K n = {(x 1, x 2,..., x n ) : x 1, x 2,..., x n K}, são espaços vetoriais. As provas que estas operações satisfazem as condições para espaços vetoriais são análogas às provas para os casos de vetores e matrizes. As operações definidas acima são chamadas operações usuais para os respectivos espaços. Teorema 3.1 Sejam V um espaço vatorial, v um vetor, r um escalar e O o vetor nulo. Então: 1. ro = O 2. 0v = O 3. v = ( 1)v 4. se rv = O então r = 0 ou v = O 5. se rv = v então r = 1 ou v = O 6. ( r)v = r( v) = (rv) ( ( 1)v = v) 7. o vetor nulo é único 8. para cada vetor v, o oposto de v é único Exercícios 3.1 Verifique se os seguintes conjuntos são espaços vetoriais. 1. W = R 2 com as operações: (a, b) + (c, d) = (a + d, b + c); r(a, b) = (ra, rb) 2. W = R 2 com as operações: (a, b) + (c, d) = (a + c, b + d); r(a, b) = (ra, rb) 3. W = R 2 com as operações: (a, b) + (c, d) = (a + c, b + d); r(a, b) = (rb, ra) 4. W = R 2 com as operações: (a, b) + (c, d) = (a + c, b d); r(a, b) = (ra, rb) 3.2 Subespaço Definição 3.2 Seja V um espaço vetorial real. Um subconjunto W de V tal que W é um espaço vetorial com as mesmas operações definidas para V é chamado um subespaço de V. Observação. Se W é um subconjunto de um espaço vetorial V, para verificar se W é também um espaço vetorial com as operações de adição de vetores e produto por escalar de V, não precisamos verificar todas as condições, pois: Se u, v, w W e r, s são escalares, como u, v e w V, as condições 1, 2, 5, 6, 7 e 8 da definição de espaço vetorial estão automaticamente satisfeitas. Assim, para que W seja um espaço vetorial, resta verificar: 0) Fechamento: u, v W, r R, u + v W e ru W 3) Vetor nulo. Existe O W tal que v W, v + O = O + v = v Note que a condição de fechamento garante a existência do oposto: se v W, como 1 R então v = 1v W. Do mesmo modo, a condição de fechamento garante que O W, caso já se tenha garantido que W não é vazio. Caso não se tenha garantido que W é um conjunto não vazio, o mais usual é mostrar que O W. Assim, a condição (4) também não precisa ser verificada. Em vista do que observamos anteriormente, podemos enunciar o próximo resultado.

14 3 ESPAÇOS VETORIAIS REAIS 14 Teorema 3.2 Seja V um espaço vetorial e seja W um subconjunto de V. subespaço de V se, e somente se, as seguintes condições forem satisfeitas: a) O W (ou W ) b) Se u, v W então u + v W c) Se u W e r é um escalar então ru W Então W é um Corolário 3.3 Seja V um espaço vetorial e seja W um subconjunto não vazio de V. Então W é um subespaço de V se, e somente se, para quaisquer u, v W e r, s escalares, tem-se ru + sv W. Exemplo 3.2 Qualquer espaço vetorial V contém pelo menos dois subespaços: o próprio V e o conjunto {O}, que contém somente o vetor nulo de V. Exemplos W = {(x, 1, z) : x, z R} não é um subespaço de R 3 2. W = {(x, 0, z) : x, z R} é subespaço de R 3 3. W = {(x, y, x + y, x y) : x, y R} é subespaço de R 4 4. W = {(x, {[ y, z) R 3 : x + y = 0} e z = 2x} é subespaço de R 3 a b 5. W = : a, b R é subespaço de M(2, 2) 0 2a b 6. W = {(x, y) R 2 : 2x 3y = 0} é subespaço de R 2 7. W = {(x, {[ x 2 ) : x R} não } é um subespaço de R 2 a b 8. W = : a, b R não é um subespaço de M(2, 2) 0 ab 9. W = {A M(2, 2) : deta = 0} não é um subespaço de M(2, 2) 10. W = {(x, y) : x, y R e xy = 0} não é um subespaço de R 2 Como um subespaço de um espaço vetorial é também um espaço vetorial então, nos exemplos acima, temos exemplos de espaços vetoriais e exemplos de conjuntos que não são espaços vetoriais. Exercícios 3.2 Verifique se W é subespaço de V nos casos abaixo 1. Para V {[ = M(2, 2) } a c a. W = M(2, 2) : a + d = 0 b d {[ } a a b. W = M(2, 2) : a, b R b a b + 1 c. W = {A V : deta 0} d. W = {A V : A = A t }, onde A t é a transposta da matriz A 2. Para V = R 3, a. W = {(x, y, z) R 3 : z = x + y} b. W = {(x, y, z) R 3 : z = xy} c. W = {(x, 3x, x) : x R} d. W = {(x, y, z) R 3 : x + 2y = 3z} e. W = {(x, y, z) R 3 : x + y z} 3. V = M(3, 3) e W = {A V : deta 0} 4. V = R 3 e W = R 2

15 3 ESPAÇOS VETORIAIS REAIS Dependência Linear Definição 3.3 Seja V um espaço vetorial e sejam v 1, v 2,, v n. Uma combinação linear dos vetores v 1, v 2,, v n é uma expressão da forma a 1 v 1 + a 2 v a n v n onde a 1, a 2,..., a n são escalares. Assim, se v = a 1 v 1 + a 2 v a n v n dizemos que v é uma combinação linear dos vetores v 1, v 2,, v n V. Exemplo 3.4 No espaço R 2, para v 1 = (1, 2), v 2 = ( 3, 7) e v 3 = (5, 0), temos que v = (22, 45) é uma combinação linear de v 1, v 2 e v 3, pois 2v 1 + 7v 2 + 9v 3 = v. Definição 3.4 Seja V um espaço vetorial. Dizemos que um conjunto de vetores v 1, v 2,, v n é linearmente independente (L.I.) se a igualdade a 1 v 1 + a 2 v a n v n = O onde a 1, a 2,..., a n são escalares, implicar em a 1 = a 2 =... = a n = 0. Isto é, a única combinação linear desses vetores resultando no vetor nulo é aquela em que os escalares que aparecem na expressão são todos nulos. Caso contrário, isto é, se for possível conseguir a igualdade a 1 v 1 +a 2 v a n v n = O com algum a i 0, dizemos que os vetores v 1, v 2,..., v n são linearmente dependentes (L.D.). Exemplo 3.5 Os vetores u = (1, 2) e v = (3, 4) de R 2 são { L.I., pois se au + bv = (0, 0), temos: a + 3b = 0 a(1, 2) + b(3, 4) = (0, 0) (a + 3b, 2a + 4b) = (0, 0) 2a + 4b = 0 Resolvendo o sistema acima concluímos que a única solução possível é a = b = 0. Exemplo 3.6 Os vetores u = (1, 2, 3), v = (1, 0, 0) e w = (2, 2, 3) são L.D. pois se au + bv + cw = (0, 0, 0), temos: a(1, 2, 3) + b(1, 0, 0) + c(2, 2, 3) = (0, 0, 0) (a + b + 2c, 2a + 0b + 2c, 3a + a + b + 2c = 0 0b + 3c) = (0, 0, 0) 2a + 2c = 0. 3a + 3c = 0 Resolvendo o sistema concluímos que existem soluções não nulas. Uma delas é a = 2, b = 2 e c = 2, ou seja, 2(1, 2, 3) + 2(1, 0, 0) 2(2, 2, 3) = (0, 0, 0). Teorema 3.4 Os vetores v 1, v 2,, v n são linearmente dependentes se, e somente se, um deles for combinação dos demais. Corolário 3.5 Dois vetores u e v não nulos são L.D. se, e somente se, um dos vetores for igual ao outro multiplicado por algum escalar. Exemplos 3.7 Os vetores u = (1, 2) e v = (2, 1) são L.I. Os vetores u = (1, 2, 3) e v = (3, 6, 9) são L.D. Observe que qualquer subconjunto de um conjunto L.I. é também L.I. e que qualquer conjunto que contém um subconjunto L.D. é também L.D. Exemplo 3.8 Em R 2, os vetores (1, 2) e (2, 4) são L.D., pois 2(1, 2) (2, 4) = (0, 0). Logo, 2(1, 2) (2, 4) + 0(5, 7) + 0(13, 99) = (0, 0). Assim, os vetores (1, 2), (2, 4), (5, 7), (13, 99) são L.D.

16 3 ESPAÇOS VETORIAIS REAIS 16 Exemplo 3.9 Se V é um espaço vetorial então qualquer conjunto de vetores que contenha o vetor nulo é L.D., pois se v 1, v 2,, v n são vetores quaisquer então 0v 1 +0v v n +1 O = O. Exercícios Verifique, em cada caso, se os vetores são L.I.. a) V = R 2, u = (1, 2), v = (3, 2) b) V = R 2, u = (1, 2), v = (3, 2), w = (5, 8) c) V = R 3, u = (1, 0, 0), v = (1, 1, 0), w = (1, 1, 1) d) V = R 3, u = (1, 2, [ 1), v = (3, 6, 3) [ e) V = M(2, 2), u =, v =, w = [ f) V = R 2, u = (3, 3) 2. Sejam u, v e w vetores L.I.. a) Mostre que os vetores u 1 = u, u 2 = u + v e u 3 = u + v + w são L.I. b) Mostre que os vetores u 1 = u + w, u 2 = u + v e u 3 = 2u + v + w são L.D. 3.4 Geradores de um espaço vetorial Definição 3.5 Um conjunto de geradores para um espaço vetorial V é um conjunto B de vetores de V tal que qualquer vetor v de V pode ser expresso como uma combinação linear (finita) dos vetores de B, isto é, v = a 1 v 1 + a 2 v a n v v onde cada a i é um escalar e cada v i B. Neste caso, dizemos que B gera V, ou que os vetores de B geram V. Se V é gerado por v 1, v 2,, v n então qualquer vetor v de V pode ser expresso como uma combinação linear dos vetores v 1, v 2,, v n, isto é, existem escalares a 1, a 2,..., a n tais que v = a 1 v 1 + a 2 v a n v n. Assim, V = {a 1 v 1 + a 2 v a n v n : i, a i R} Notação: V = [v 1, v 2,..., v n. Exemplos 3.10 R 2 = [(1, 0), (0, 1) pois para qualquer vetor v = (x, y) de R 2, v = (x, y) = x(1, 0) + y(0, 1). Do mesmo modo, R 3 = [(1, 0, 0), (0, 1, 0)(0, 0, 1) pois para qualquer vetor v = (x, y, z) de R 3, v = x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1). Generalizando, R n = [(1, 0, 0,..., 0), (0, 1, 0,..., 0),..., (0, 0, 0,..., 1) Exemplo 3.11 Os vetores u = (1, 0) e v = (1, 1) também geram R 2 pois tomando um vetor qualquer w = (x, y) de R 2, precisamos verificar que existem a, b R (em função de x e y) tais { que w = au + bv, ou seja, w = (x, y) = au + bv = a(1, 0) + b(1, 1) = (a + b, b). Assim, a + b = x b = y Resolvendo o sistema, chegamos em a = x y e b = y. Logo, w = (x, y) = (x y)(1, 0)+y(1, 1) e portanto, R 2 = [(1, 0), (1, 1). Por exemplo, se w = ( 2, 2) então w = ( 2, 2) = 4(1, 0) + 2(1, 1). Na Figura 2, observamos a representação de w no plano R 2, como combinação linear de u e v. Exemplo 3.12 Os vetores u = [ e v = [ não geram M(2, 2) pois qualquer

17 3 ESPAÇOS VETORIAIS REAIS 17 Figura 2: Soma de vetores [ [ [ [ a + b combinação linear a + b =. Mas u e v geram um b a 1 1 {[ } a + b 0 subespaço de M(2, 2), a saber, o subespaço W = : a, b R b a Mesmo que os vetores v 1, v 2,, v n não gerem o espaço V, o conjunto de todas as combinações lineares de v 1, v 2,, v n formam um subespaço [v 1, v 2,..., v n = {a 1 v 1 + a 2 v a n v n : i, a i R} de V (verifique) chamado o{[ subespaço gerado pelos} vetores v 1, v 2,, v n. No a + b 0 exemplo anterior, temos que W = [u, v = : a, b R é o subespaço de M(2, 2) b a gerado por u e v. Exemplo 3.13 Os vetores (1, 3, 0) e (2, 0, 1) geram o subespaço W = {a(1, 3, 0)+b(2, 0, 1) : a, b R} = {(a + 2b, 3a, b) : a, b R} do R 3. Será que os pontos de W tem alguma configuração especial no R 3? Vamos analisar: a + 2b = x (x, y, z) W (x, y, z) = (a + 2b, 3a, b) para a, b R 3a = y b = z Das duas últimas equações obtemos b = z e a = y/3. Substituindo a e b na 1 a equação obtemos y/3 + 2( z) = x, ou seja, 3x y + 6z = 0 que é a equação de um plano no R 3. Assim, W representa um plano no R 3 que passa pela origem do espaço, pois (0, 0, 0) satisfaz sua equação, ou seja, W = {(x, y, x) : 3x y + 6z = 0}. A partir da equação 3x y + 6z = 0, isolando uma das variáveis, por exemplo y = 3x + 6z, podemos explicitar W também por: W = {(x, 3x + 6z, z) : x, z R} Observaremos mais adiante que qualquer par de vetores L.I. em R 3 gera um plano que passa pela origem do espaço. Exemplo 3.14 Seja um vetor (a, b, c) do espaço R 3. Temos [(a, b, c) = {t(a, b, c) : t R} = {(at, bt, ct) : t R}. Assim, (x, y, z) [(a, b, c) se, e somente se, x = at ( ) y = bt para algum t R z = ct Assim, caso (a, b, c) (0, 0, 0), o subespaço [(a, b, c) do R 3 é a reta cujas equações paramétricas são dadas em ( ), ou seja, é a reta que passa pela origem do espaço e tem a direção do vetor v = (a, b, c).

18 3 ESPAÇOS VETORIAIS REAIS 18 Exercícios 3.4 Verifique, em cada caso, se os vetores dados geram o espaço. Caso não gerem, explicite o subespaço gerado por eles. a) V = R 3, u = (1, 0, 0), v = (1, 1, 0), w = (1, 1, 1) b) V = R 3, u = (1, 1, 1), v = (1, 0, 1) c) V = R 2, u = (1, 2), v = (2, 1) d) V = R 2, u = (1, 2), v = (2, 4) e) Resolva os exercícios 6, 7, e 8 da página 129 do livro do Boldrini 3.5 Base e dimensão para um espaço vetorial Definição 3.6 Uma base para um espaço vetorial V é um conjunto de vetores linearmente independentes que gera V. Exemplo 3.15 O conjunto {(1, 0), (01)} é uma base para R 2 pois: a) como já vimos, este conjunto gera R 2 ; b) o conjunto é linearmente independente pois se a(1, 0) + b(0, 1) = (0, 0), então (a, b) = (0, 0), logo, a = 0 e b = 0. Exemplo 3.16 Do mesmo modo verificamos que o conjunto {(1, 0,..., 0), (0, 1,..., 0),..., (0, 0,..., 1)} é uma base para R n, chamada base canônica para R n. Assim, {(1, 0), (0, 1)} é a base canônica de R 2. Existem várias bases para um mesmo espaço. Por exemplo, já verificamos que o conjunto {(1, 2), (3, 4)} é linearmente independente. Como exercício verifique que este conjunto gera R 2 e conclua que forma uma base para R 2. Exemplo 3.17 O conjunto {(1, 0, 3), (0, 0, 2)} é linearmente independente mas não é uma base de R 3 pois não gera R 3 : o vetor (0, 2, 0) não se escreve como combinação linear de (1, 0, 3) e (0, 0, 2) (verifique). Exemplo 3.18 O conjunto {(1, 0), (0, 1), (3, 7)} gera o R 2, pois para qualquer vetor v = (a, b), v = a(1, 0) + b(0, 1) + 0(3, 7). Mas esse conjunto não é linearmente independente, pois 3(1, 0) + 7(0, 1) 1(3, 7) = (0, 0). Exercícios 3.5 Verifique se B é base de V nos casos abaixo a) V = R 2 e B = {(1, 1), (2, 3)} b) V = R 2 e B = {(1, 1), (2, 3), (5, 0)} c) V = R 3 e B = {(1, 2, 3)} d) V = R 3 e B = {(1, 0, 1), (0, 1, 0), (1, 1, 1)} e) V = R 2 e B = {(1, 0), (0, 1), (0, 0)} Definição 3.7 Dizemos que espaço vetorial V é finitamente gerado quando V é não nulo e existe um conjunto finito de vetores que gera V. Teorema 3.6 Seja V um espaço vetorial finitamente gerado. Então a) qualquer conjunto finito de geradores de V contém uma base de V ; b) se V tem um conjunto de geradores com n vetores então qualquer conjunto com mais de n vetores é L.D.;

19 3 ESPAÇOS VETORIAIS REAIS 19 c) qualquer base de V tem sempre a mesma quantidade de vetores; d) qualquer conjunto L.I. pode ser completado para formar uma base de V. Definição 3.8 Definimos a dimensão de um espaço vetorial não nulo V sendo o número de vetores de qualquer base de V. Assim, dimr 2 = 2; dimr 3 = 3; dimr n = n. Exemplo 3.19 É fácil verificar que o conjunto [ [ [ [ [ [ B = ,,,,, forma uma base (chamada base canônica) para o espaço M(2, 3) das matrizes 2 3. Logo, dimm(2, 3) = 6. Isso pode ser generalizado: a dimensão do espaço M(m, n) das matrizes com m linha e n colunas é o produto de m por n. Neste caso, a base canônica é formada por todas as matrizes que têm um de seus elementos igual a 1 e os demais elementos iguais a 0, como no caso de M(2, 3). O conjunto {0} formado somente pelo vetor nulo de um espaço vetorial também é um espaço vetorial (chamado espaço nulo), pois satisfaz as condições da definição. Mas esse conjunto não contém vetores linearmente independentes, logo, não possui uma base. Neste caso, convenciona-se que dim{0} = 0. Por exemplo, dim{(0, 0, 0)} = 0. Teorema 3.7 Se V é um espaço vetorial de dimensão n, então a) qualquer conjunto com n vetores L.I. de V forma uma base de V ; b) qualquer conjunto com n vetores que geram V, forma uma base de V ; c) qualquer conjunto com mais de n vetores é L.D.; d) qualquer conjunto com menos de n vetores não gera V. Exemplo 3.20 O conjunto {(2, 7), (5, 9)} é uma base de R 2 pois é um conjunto L.I. (verifique) com dois vetores e dimr 2 = 2. Exemplo 3.21 O conjunto B = {(1, 2)} não é uma base de R 2 pois dimr 2 = 2. Mas podemos completar B de modo a formar uma base de R 2. Como dimr 2 = 2 precisamos completar com um vetor de R 2 que seja L.I. com (1, 2). Por exemlo, o vetor (0, 1) (verifique que os dois vetores são L.I.). Assim, B = {(1, 2), (1, 0)} é uma base de R 2. Exemplo 3.22 Os vetores u = (1, 2), v = (3, 4) e w = (5, 6) são L.D., pois dimr 2 = 2. Vamos verificar se estes vetores geram R 2 : { a + 3b + 5c = x (x, y) = a(1, 2)+b(3, 4)+c(5, 6) (x, y) = (a+3b+5c, 2a+4b+6c) 2a + 4b + 6c = y { a +3b +5c = x. Assim, temos um sistema escalonado com duas equações e três 2b 4c = y 2x incógintas (a, b e c). Fazendo c = 1 obtemos a = 1 2x + 3y e b = 2 + x 1 y. Assim, 2 2 R 2 = [(1, 2), (3, 4), (5, 6). Assim, (5, 6) = (1, 2) + 2(3, 4). Logo, R 2 = [(1, 2), (3, 4). Como (1, 2) e (3, 4) são L.I., então {(1, 2), (3, 4)} é uma base de R 2.

20 3 ESPAÇOS VETORIAIS REAIS 20 Exemplo 3.23 Os vetores u = (1, 2, 3) e v = (2, 3, 7) não geram o espaço R 3, pois dimr 3 = 3. Mas, é possível encontrar um vetor w tal que {(1, 2, 3), (2, 3, 7), w} seja uma base de R 3, pois (1, 2, 3) e (2, 3, 7) são L.I. (verifique). Exemplo 3.24 Seja o espaço vetorial V = {(x, y, x y, x + y) : x, y R} (prova-se que V é um espaço, provando que V é um subespaço de R 4 ). Podemos escrever V = {x(1, 0, 1, 1) + y(0, 1, 1, 1) : x, y R}. Logo, V = [(1, 0, 1, 1), (0, 1, 1, 1), isto é, V é gerado por dois vetores L.I. (verifique). Assim, B = {(1, 0, 1, 1), (0, 1, 1, 1)} é uma base de V. Portanto, dimv = 2. Exemplo 3.25 Seja o espaço vetorial V = {(x + y + 2z, x + z, x + y + 2z) : x, y R}. Procedendo como no exemplo acima, chegamos em V = [(1, 1, 1), (1, 0, 1), (2, 1, 2), ou seja, {(1, 1, 1), (1, 0, 1), (2, 1, 2)} é um conjunto de geradores de V mas que não é uma base (verifique que os vetores são L.D.). Como (1, 1, 1) = (2, 1, 2) ((1, 0, 1) então V = [(1, 1, 1), (1, 0, 1), (2, 1, 2) = [(1, 0, 1), (2, 1, 2) (1). Como (1, 0, 1) e (2, 1, 2) são L.I. (verifique) (2), então por (1) e (2), {(1, 0, 1), (2, 1, 2)} é uma base de V. Assim, dimv = 2. Exercícios 3.6 1) Verifique se qualquer vetor de R 2 se escreve como combinação linear dos vetores {(1, 0), (1, 1), (0, 1)}. Este conjunto forma uma base de R 2? Justifique sua resposta. 2) Verifique que o conjunto {(1, 1, 1), (1, 1, 0)} é L.I.. Eles formam uma base de R 3? Justifique sua resposta. Eles formam uma base para R 2? Justifique sua resposta. 3) Escreva (4, 6) como combinação linear dos vetores (1, 0) e (2, 3). 4) Encontre uma base e a dimensão para o espaço V = {(x + 2y, 2x + 4y) : x, y R} 5) Encontre uma base e a dimensão para o espaço V = {(x+y, 2x+y +z, x+y 2z) : x, y R} 6) Mostre que se W = [v 1, v 2,, v m entãdo dimw m. Teorema 3.8 Seja W um subespaço de V. Então a) dimw dimv ; b) se dimw = dimv então W = V. Exemplo 3.26 Seja W = [(1, 1, 5), (0, 2, 1), (0, 0, 7). Como os três vetores geram W e são L.I. (verifique) então formam uma base para W. Logo, dimw = 3. Como W é um subespaço de R 3, então W = R 3. Exemplo 3.27 Seja W = [(1, 2, 3) Então dimw = 1. Logo, W R 3. Exemplo 3.28 Seja W = [(1, 2), (2, 0). Temos dimw = 2 (verifique). Logo, W = R 2. Nos espaços R 2 e R 3, cada ponto P está associado ao vetor OP, onde O é a origem do sistema cartesiano. Assim, um subespaço gerado por um vetor resulta em uma reta passando pela origem do sistema cartesiano. No caso de um subespaço de R 3 gerado por dois vetores L.I., este subespaço será um plano passando pela origem do sistema cartesiano.

21 3 ESPAÇOS VETORIAIS REAIS 21 Subespaços de R 2. Se W é um subespaço de R 2, então dimw dimr 2 = 2. Se dimw = 2 então W = R 2. Se dimw = 0 então W = {(0, 0)}. Se dimw = 1 então W é uma reta passando pela origem do sistema. Subespaços de R 3. Se W é um subespaço de R 3, então dimw dimr 3 = 3. Se dimw = 3 então W = R 3. Se dimw = 0 então W = {(0, 0, 0)}. Se dimw = 1 então W é uma reta passando pela origem do sistema cartesiano. Se dimw = 2 então W é um plano passando pela origem do sistema cartesiano. 3.6 Espaço das linhas de uma matriz a 11 a 12 a 1n a Dada uma matriz A = 21 a 22 a 2n..., a m1 a m2 a mn suas linhas L 1 = (a 11, a 12,..., a 1n ), L 2 = (a 21, a 22,..., a 2n ),, L m = (a m1, a m2,..., a mn ) podem ser tomadas como vetores que geram um subespaço de R n. Teorema 3.9 As linhas de matrizes linha-equivalentes geram o mesmo espaço vetorial. Teorema 3.10 As linhas não nulas de uma matriz escalonada m n são L.I. (quando consideradas como vetores de R n ). Exemplo 3.29 Os vetores u = (1, 2, 0, 3, 5), v = (0, 0, 0, 0, 7) e w = (0, 0, 3, 1, 2) são L.I. pois podemos formar com eles uma matriz escalonada. Exemplo 3.30 Se desejarmos encontrar uma base e a dimensão para o espaço V gerado pelos vetores u = (1, 0, 2, 1), v = (2, 1, 0, 1) e w = (1, 1, 2, 2), colocamos estes vetores como linhas de uma matriz e a escalonamos L 2 L 2 2L 1 L 3 L 3 L L 3 L 3 2L Assim, pelo Teorema 3.9, V = [(1, 0, 2, 1), (2, 1, 0, 1), (1, 2, 2, 2) = [(1, 0, 2, 1), (0, 1, 4, 3) e pelo Teorema 3.10, os vetores (1, 0, 2, 1) e (0, 1, 4, 3) são L.I.. Logo B = {(1, 0, 2, 1), (0, 1, 4, 3)} é uma base para V, portanto, dimv = 2. Exemplo 3.31 Se quisermos completar o conjunto L.I. {(1, 1, 2), (1, 1, 5)}, para formarmos uma base para R 3, colocamos estes vetores como linhas de uma matriz e a escalonamos e depois

22 3 ESPAÇOS VETORIAIS REAIS 22 completamos a matriz (escalonada) com os vetores que faltam para completar uma base: [ [ L 2 L 2 L Assim, aumentamos com a linha para obter uma matriz 3 3 escalonada. Logo, {(1, 1, 2), (1, 1, 5), (0, 3, 5)} é uma base para R 3. Exercício Encontre a dimensão de W nos casos abaixo: a) W = [(1, 2, 3, 4, 5), (7, 8, 9, 10, 11), (1, 1, 1, 1, 1), (5, 4, 3, 2, 1) b) W = [(1, 0, 1, 0, 1), (0, 1, 0, 1, 0), (1, 1, 0, 1, 1), (2, 5, 1, 5, 2) 2. Em cada ítem do exercício anterior, a partir da base de W, encontre vetores que, junto com os vetores da base de W, formam uma base para R Interseção, soma e soma direta Teorema 3.11 Sejam U e W subespaços de um espaço vetorial V. Então a) U W = {v : v U e v W } é um subespaço de V ; b) U + W = {u + w : u U e w W } é um subespaço de V. Exemplo 3.32 Sejam U = {(x, y, 0) : x, y R} e W = {(0, y, z) : y, z R}. Então a) U W = {(0, y, 0) : y R} b) U +W = R 3 pois U +W R 3 e se (x, y, z) R 3, então (x, y, z) = (x, 0, 0)+(0, y, z) U +W. Logo, R 3 U + W e portanto, R 3 = U + W. No exemplo anterior, temos que U W = {(x, y, z) R 3 : x = 0 ou y = 0} não é um subespaço de R 3 pois (1, 0, 0), (0, 0, 1) U W mas (1, 0, 0) + (0, 0, 1) = (1, 0, 1) / U W. Vemos então que nem sempre a união de subespaços é um subespaço. Definição 3.9 Um espaço vetorial V é soma direta dos subespaços U e W se V = U + W e U W = {O}. Notação: V = U W Teorema 3.12 Se V = U W então qualquer vetor v de V se escreve de maneira única como v = u + w para u U e w W. No exemplo anterior, R 3 = U + W mas R 3 não é soma direta de U e W pois U W = {(0, y, 0) : y R} = (0, 0, 0), por exemplo, (0, 5, 0) U W. Note que (2, 4, 5) = (2, 4, 0) + (0, 0, 5) = (2, 0, 0) + (0, 4, 5) = (2, 2, 0) + (0, 2, 5) e os vetores (2, 4, 0), (2, 0, 0), (2, 2, 0) U e (0, 0, 5), (0, 4, 5), (0, 2, 5) W. Exemplo 3.33 Para U = {(x, 0) : x R} e W = {(0, y) : y R}, temos U W = {(0, 0)} e R 2 = U + W pois se (x, y) R 2, (x, y) = (x, 0) + (0, y) U + W. Assim, R 2 = U W. Observe que a única maneira de se escrever um vetor (x, y) como soma de um vetor de U com um vetor de W é fazendo (x, y) = (x, 0) + (0, y). Por exemplo, (1, 2) = (1, 0) + (0, 2). Teorema 3.13 Se U e W são subespaços de um espaço vetorial V, então dim(u + W ) = dimu + dimw dim(u W ).

23 3 ESPAÇOS VETORIAIS REAIS 23 Exemplo 3.34 Já vimos que se U = {(x, y, 0) : x R} e W = {(0, y, z) : y, z R}. Então U W = {(0, y, 0) : y R} e U + W = R 3. U = {(x, y, 0) : x R} = {x(1, 0, 0) + y(0, 1, 0) : x, y R} = [(1, 0, 0), (0, 1, 0). Logo, uma base de U é {(1, 0, 0), (0, 1, 0)} pois os vetores (1, 0, 0) e (0, 1, 0) são L.I. Logo, dimu = 2 W = {(0, y, z) : y, z R} = {y(0, 1, 0) + z(0, 0, 1) : y, z R} = [(0, 1, 0), (0, 0, 1). Logo, uma base de W é {(0, 1, 0), (0, 0, 1)} pois os vetores (0, 1, 0) e (0, 0, 1) são L.I. Logo, dimw = 2 U W = {(0, y, 0) : y R} = {y(0, 1, 0) : y R} = [(0, 1, 0). Logo, uma base de W é {(0, 1, 0)} pois o vetor (0, 1, 0) é L.I. Portanto, dim(u W ) = 1. Temos U + W = R 3. Logo, dim(u + W ) = 3. Observamos neste exemplo, a validade do teorema anterior, isto é, 3 = dim(u + W ) = dimu + dimw dim(u W ) = Exemplo 3.35 Seja U = [(1, 2, 0, 1), (1, 2, 1, 2), (2, 4, 1, 3) subespaço do R 4. Vamos encontrar um subespaço W do R 4 tal que R 4 = U W. Colocando os geradores de U em uma matriz e escalonando-a obtemos uma base de U (as linhas não nulas da matriz escalonada): B = {(1, 2, 0, 1), (0, 0, 1, 1)}. Para completar os geradores de U de modo a formar uma base de R 4, basta tomar dois vetores do R 4 que, juntos com a base de U, possam ser colocados como uma matriz escalonada. Por exemplo, podemos tomar os vetores (0, 1, 0, 0) e (0, 0, 0, 1). Assim, para W = [(0, 1, 0, 0), (0, 0, 0, 1), como R 4 = [(1, 2, 0, 1), (0, 1, 0, 0), (0, 0, 1, 1), (0, 0, 0, 1), temos R 4 = U + V. Como dimu = dimv = 2 então pelo Teorema 3.13, dim(u W ) = 0, ou seja, U W = {(0, 0, 0, 0)}. Assim, R 4 = U W. Exercícios Sejam U = [(1, 2, 3, 2, 5), (1, 3, 4. 1, 3), (1, 1, 2, 3, 7) e W = [(1, 4, 5, 0, 1), (2, 8, 12, 0, 2), (1, 4, 3, 0, 1) e seja V = U + W. a) Encontre dimv e dim(u W ) b) V = U W? Porque? c) Encontre subespaços U e W de R 5 tais que R 5 = U U e R 5 = W W 2. Sejam U = [(1, 0, 0, 0)(0, 1, 1, 1), (2, 1, 1, 1) e W = [(1, 0, 0, 2), (1, 0, 1, 0), (2, 0, 1, 2) a) Encontre dim(u + W ) e dim(u W ) b) R 5 = U + W? c) R 5 = U W? 3. Sejam U = [(1, 2, 1), (2, 0, 2) e W = [(1, 1, 1), (2, 1, 2) a) Encontre dim(u + W ) e dim(u W ) b) R 3 = U + W? c) R 3 = U W? d) Encontre subespaços U e W de R 3 tais que R 3 = U U e R 3 = W W (Exercícios do livro do Boldrini página 130: 18, 19, 20 e 22)

24 3 ESPAÇOS VETORIAIS REAIS Aplicação às Equações Lineares Consideremos um sistema de equações lineares com m equações e n incógnitas a 11 x 1 + a 12 x a 1n x n = b 1 a 21 x 1 + a 22 x a 2n x n = b =. a m1 x 1 + a m2 x a mn x n = b m Considerando a matriz dos coeficientes A, a matriz das incógnitas X e a matriz dos termos independentes B, a 11 a 12 a 1n x 1 b 1 a A = 21 a 22 a 2n..., X = x 2., B = b 2. a m1 a m2 a mn x n b m o sistema pode ser escrito na forma AX = B. Se as matrizes X 1 e X 2 são soluções desse sistema então A(X 1 + X 2 ) = AX 1 + AX 2 = B + B = 2B. Assim, AX 1 + AX 2 = B se, e somente se, B = 2B, ou seja, B é uma matriz nula. Logo, X 1 + X 2 é também solução se, e somente se, b 1 = b 2 =... = b m = 0. Neste caso, dizemos que o sistema é homogêneo. Note que se o sistema for homogêneo, se X for uma solução do sistema e se r for um escalar, então A(rX) = r(ax) = ro = O, onde O é a matriz nula m 1. É claro que AO n 1 = O m 1. Assim, se o sistema for homogêneo então o conjunto das soluções deste sistema forma um subespaço de R n. Portanto, o conjunto das soluções de um sistema linear homogêneo é um espaço vetorial. Variáveis livres Em um sistema na forma escalonada, dizemos que uma variável é livre se ela não inicia nenhuma das equações do sistema. No exemplo a seguir, as variáveis x e z iniciam, respectivamente, a primeira e a segunda equações do sistema escalonado. Logo x e z não são variáveis livres, enquanto que as demais variáveis, y, s e t, são as variáveis livres do sistema. Note que podemos atribuir quaisquer valores às variáveis livres e obter os valores das demais para encontrar soluções para o sistema. Exemplo 3.36 Dado o sistema abaixo x + y + z + s + t = 0 2x + 2y z + 2s t = 0 x + y + 4z + s + 4t = 0 para encontrar uma base e a dimensão do espaço das soluções, colocamos o sistema na forma escalonada: { x + y + z + s + t = 0 3z + 3t = 0 de onde tiramos as variáveis livres y, s e t. Para obter uma base para o espaço das soluções do sistema, colocamos valores para y, s e t na forma na forma escalonada, garantindo vetores (x, y, z, s, t) L.I. : y = 1, s = 0 e t = 0: ( 1, 1, 0, 0, 0) y = 0, s = 1 e t = 0: ( 1, 0, 0, 1, 0) y = 0, s = 0 e t = 1: (0, 0, 1, 0, 1) Assim, B = {( 1, 1, 0, 0, 0), ( 1, 0, 0, 1, 0), (0, 0, 1, 0, 1)} é uma base para o espaço das

25 3 ESPAÇOS VETORIAIS REAIS 25 soluções do sistema, tendo portanto este espaço dimensão 3. Exercício 3.9 Encontre uma base e a dimensão para o espaço das soluções para cada sistema abaixo. x + 2y + 3z + 4s + 5t = 0 7x + 8y + 9z + 10s + 11t = 0 a) x + y + z + s + t = 0 5x + 4y + 3z + 2s + t = 0 x + z + t = 0 y + s = 0 b) x + y + s + t = 0 x + 5y z + 5s + 2t = 0 Exemplo 3.37 Sejam V = R 4, U = {(x, y, z, t) R 4 : x+y +z +t = 0} e W = {(x, y, z, t) R 4 : x y z + 2t = 0}. Então U W = {(x, y, z, t) R 4 : x + y + z + t = 0 e x y z + 2t = 0}. Portanto U é o espaço das soluções da equação x + y + z + t = 0, W é o espaço { das soluções da equação x y z + 2t = 0 e U W é o espaço das soluções do sistema x + y + z + t = 0. Como exercício, encontre uma base e a dimensão para estes x y z + 2t = 0 espaços e verifique se U + W = R 4. Exercícios Encontre uma base e a dimensão para os seguintes subespaços de R 4. a) U = {(x, y, z, t) R 4 : x + y + z = 0 e x y z + t = 0} b) W = {(x, y, z, t) R 4 : x + 2y z + 3t = 0 e 2x + 4y + z 2t = 0} c) U W d) U + W 2. Sejam U = {(x, y, z) : x + y + z = 0} e W = {(x, y, z) : x y + 2z = 0} a) Encontre dim(u + W ) e dim(u W ) b) R 3 = U + W? c) R 3 = U W? 3. Sejam U = {(x, y, z, s, t) : x + y + z + s + t = 0, y z + s t = 0 e s 2t = 0} e W = {(x, y, z, s, t) : x + y + z + s + t = 0 e z + s + t = 0} a) Encontre dim(u + W ) e dim(u W ) b) R 5 = U + W? c) R 5 = U W? 4. Exercício 25 da página 132 do livro do Boldrini. 3.9 Coordenadas de um vetor em relação a uma base Seja V um espaço vetorial e seja B = {v 1, v 2,..., v n } uma base de V. Para qualquer vetor v V, v se escreve como uma combinação linear dos vetores da base: v = a 1 v 1 + a 2 v a n v n. Além disso, só existe uma maneira de expressar v como uma combinação dos vetores da base B pois se v = b 1 v 1 + b 2 v b n v n, então a 1 v 1 + a 2 v a n v n = b 1 v 1 + b 2 v b n v n, logo,

26 3 ESPAÇOS VETORIAIS REAIS 26 (a 1 b 1 )v 1 + (a 2 b 2 )v (a n b n )v n = 0. Como B é uma base, seus vetores são L.I. Logo, a 1 b 1 = a 2 b 2 =... = a n b n = 0, ou seja, a 1 = b 1, a 2 = b 2,, a n = b n. Definição 3.10 Uma base ordenada de um espaço vetorial V é uma base onde é considerado a ordem dos vetores nesta base. Definição 3.11 Sejam V um espaço vetorial e B = {v 1, v 2,..., v n } uma base ordenada de V. Para v = a 1 v 1 + a 2 v a n v n, os escalares a 1, a 2,..., a n são chamados coordenadas de v em relação à base B e [v B = base B. a 1 a 2. a n é chamado o vetor das coordenadas de v em relação à Note que, mudando a posição dos vetores da base, muda também o vetor das coordenadas. Exemplo 3.38 Sejam B = {(1, 0), [(0, 1)} e B = {(0, [ 1), (1, 0)} bases ordenadas de R 2 e seja 3 5 v = (3, 5) um vetor. Então [v B = e [v B =. 5 3 Exercício 3.11 Seja B = {(1, 2, 1), (0, 1, 2), (0, 0, 1)} uma base de R 3. Encontre [v B nos casos abaixo. a) v = (0, 3, 2) b) v = (0, 1, 1) c) v = (1, 2, 1) d) v = (2, 3, 4) 3.10 Mudança de base Seja V um espaço vetorial e sejam B = {v 1, v 2,..., v n } e B = {w 1, w 2,..., w n } bases ordenadas de V. Para v V, sejam v = x 1 v 1 + x 2 v x n v n, e v = y 1 w 1 + y 2 w y n w n as representações de v como combinação linear dos vetores das duas bases. Então, [v B = x 1 x 2. x n e [v B = y 1 y 2. y n Como os vetores de B são vetores de V e como B é uma base de V, então os vetores de B se escrevem como combinações lineares dos vetores de B: w 1 = a 11 v 1 + a 21 v a n1 v n w 2 = a 12 v 1 + a 22 v a n2 v n ( ). w n = a 1n v 1 + a 2n v a nn v n Assim, v = y 1 w 1 + y 2 w y n w n v = y 1 (a 11 v 1 + a 21 v 2 + +a n1 v n )+ y 2 (a 12 v 1 + a 22 v 2 + +a n2 v n )+...+ y n (a 1n v 1 + a 2n v 2 + +a nn v n ) v = (a 11 y 1 + a 12 y a 1n y n )v 1 + (a 21 y 1 + a 22 y a 2n y n )v 2 +

UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO PROGRAMA DE EDUCAÇÃO TUTORIAL - MATEMÁTICA PROJETO FUNDAMENTOS DE MATEMÁTICA ELEMENTAR

UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO PROGRAMA DE EDUCAÇÃO TUTORIAL - MATEMÁTICA PROJETO FUNDAMENTOS DE MATEMÁTICA ELEMENTAR UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO PROGRAMA DE EDUCAÇÃO TUTORIAL - MATEMÁTICA PROJETO FUNDAMENTOS DE MATEMÁTICA ELEMENTAR Assuntos: Matrizes; Matrizes Especiais; Operações com Matrizes; Operações Elementares

Leia mais

Universidade Federal de Viçosa Centro de Ciências Exatas Departamento de Matemática 3 a Lista - MAT 137 - Introdução à Álgebra Linear 2013/I

Universidade Federal de Viçosa Centro de Ciências Exatas Departamento de Matemática 3 a Lista - MAT 137 - Introdução à Álgebra Linear 2013/I 1 Universidade Federal de Viçosa Centro de Ciências Exatas Departamento de Matemática 3 a Lista - MAT 137 - Introdução à Álgebra Linear 013/I 1 Sejam u = ( 4 3) v = ( 5) e w = (a b) Encontre a e b tais

Leia mais

Disciplina: Introdução à Álgebra Linear

Disciplina: Introdução à Álgebra Linear Instituto Federal de Educação, Ciência e Tecnologia do Rio Grande do Norte Campus: Mossoró Curso: Licenciatura Plena em Matemática Disciplina: Introdução à Álgebra Linear Prof.: Robson Pereira de Sousa

Leia mais

Álgebra Linear. André Arbex Hallack Frederico Sercio Feitosa

Álgebra Linear. André Arbex Hallack Frederico Sercio Feitosa Álgebra Linear André Arbex Hallack Frederico Sercio Feitosa Janeiro/2006 Índice 1 Sistemas Lineares 1 11 Corpos 1 12 Sistemas de Equações Lineares 3 13 Sistemas equivalentes 4 14 Operações elementares

Leia mais

ficha 3 espaços lineares

ficha 3 espaços lineares Exercícios de Álgebra Linear ficha 3 espaços lineares Exercícios coligidos por Jorge Almeida e Lina Oliveira Departamento de Matemática, Instituto Superior Técnico 2 o semestre 2011/12 3 Notação Sendo

Leia mais

a 1 x 1 +... + a n x n = b,

a 1 x 1 +... + a n x n = b, Sistemas Lineares Equações Lineares Vários problemas nas áreas científica, tecnológica e econômica são modelados por sistemas de equações lineares e requerem a solução destes no menor tempo possível Definição

Leia mais

MATRIZES Matriz quadrada Matriz linha e matriz coluna Matriz diagonal Matriz identidade

MATRIZES Matriz quadrada Matriz linha e matriz coluna Matriz diagonal Matriz identidade MATRIZES Matriz quadrada matriz quadrada de ordem. diagonal principal matriz quadrada de ordem. - 7 9 diagonal principal diagonal secundária Matriz linha e matriz coluna [ ] colunas). (linha e matriz linha

Leia mais

4.2 Produto Vetorial. Orientação sobre uma reta r

4.2 Produto Vetorial. Orientação sobre uma reta r 94 4. Produto Vetorial Dados dois vetores u e v no espaço, vamos definir um novo vetor, ortogonal a u e v, denotado por u v (ou u v, em outros textos) e denominado produto vetorial de u e v. Mas antes,

Leia mais

Exercícios Teóricos Resolvidos

Exercícios Teóricos Resolvidos Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Matemática Exercícios Teóricos Resolvidos O propósito deste texto é tentar mostrar aos alunos várias maneiras de raciocinar

Leia mais

Universidade Estadual de Santa Cruz. Departamento de Ciências Exatas e Tecnológicas. Especialização em Matemática. Disciplina: Estruturas Algébricas

Universidade Estadual de Santa Cruz. Departamento de Ciências Exatas e Tecnológicas. Especialização em Matemática. Disciplina: Estruturas Algébricas 1 Universidade Estadual de Santa Cruz Departamento de Ciências Exatas e Tecnológicas Especialização em Matemática Disciplina: Estruturas Algébricas Profs.: Elisangela S. Farias e Sérgio Motta Operações

Leia mais

NOÇÕES DE ÁLGEBRA LINEAR

NOÇÕES DE ÁLGEBRA LINEAR ESPAÇO VETORIAL REAL NOÇÕES DE ÁLGEBRA LINEAR ESPAÇOS VETORIAIS Seja um conjunto V φ no qual estão definidas duas operações: adição e multiplicação por escalar, tais que u, v V, u+v V e α R, u V, αu V

Leia mais

2.2 Subespaços Vetoriais

2.2 Subespaços Vetoriais 32 CAPÍTULO 2. ESPAÇOS VETORIAIS 2.2 Subespaços Vetoriais Sejam V um espaço vetorial sobre R e W um subconjunto de V. Dizemos que W é um subespaço (vetorial) de V se as seguintes condições são satisfeitas:

Leia mais

[a11 a12 a1n 4. SISTEMAS LINEARES 4.1. CONCEITO. Um sistema de equações lineares é um conjunto de equações do tipo

[a11 a12 a1n 4. SISTEMAS LINEARES 4.1. CONCEITO. Um sistema de equações lineares é um conjunto de equações do tipo 4. SISTEMAS LINEARES 4.1. CONCEITO Um sistema de equações lineares é um conjunto de equações do tipo a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 11 x 1 + a 12 x 2 +... + a 1n x n = b 2... a n1 x 1 + a

Leia mais

Exercícios 1. Determinar x de modo que a matriz

Exercícios 1. Determinar x de modo que a matriz setor 08 080509 080509-SP Aula 35 MATRIZ INVERSA Uma matriz quadrada A de ordem n diz-se invertível, ou não singular, se, e somente se, existir uma matriz que indicamos por A, tal que: A A = A A = I n

Leia mais

Notas de Aula. Álgebra Linear I

Notas de Aula. Álgebra Linear I Notas de Aula Álgebra Linear I Rodney Josué Biezuner 1 Departamento de Matemática Instituto de Ciências Exatas (ICEx) Universidade Federal de Minas Gerais (UFMG) Notas de aula da disciplina Álgebra Linear

Leia mais

GAAL - 2013/1 - Simulado - 1 Vetores e Produto Escalar

GAAL - 2013/1 - Simulado - 1 Vetores e Produto Escalar GAAL - 201/1 - Simulado - 1 Vetores e Produto Escalar SOLUÇÕES Exercício 1: Determinar os três vértices de um triângulo sabendo que os pontos médios de seus lados são M = (5, 0, 2), N = (, 1, ) e P = (4,

Leia mais

Capítulo 5: Transformações Lineares

Capítulo 5: Transformações Lineares 5 Livro: Introdução à Álgebra Linear Autores: Abramo Hefez Cecília de Souza Fernandez Capítulo 5: Transformações Lineares Sumário 1 O que são as Transformações Lineares?...... 124 2 Núcleo e Imagem....................

Leia mais

TRANSFORMAÇÕES LINEARES. Álgebra Linear e Geometria Analítica Prof. Aline Paliga

TRANSFORMAÇÕES LINEARES. Álgebra Linear e Geometria Analítica Prof. Aline Paliga TRANSFORMAÇÕES LINEARES Álgebra Linear e Geometria Analítica Prof. Aline Paliga INTRODUÇÃO Estudaremos um tipo especial de função, onde o domínio e o contradomínio são espaços vetoriais reais. Assim, tanto

Leia mais

Aula 5 - Matemática (Gestão e Marketing)

Aula 5 - Matemática (Gestão e Marketing) ISCTE, Escola de Gestão Aula 5 - Matemática (Gestão e Marketing) Diana Aldea Mendes 29 de Outubro de 2008 Espaços Vectoriais Definição (vector): Chama-se vector edesigna-sepor v um objecto matemático caracterizado

Leia mais

CURSO ONLINE RACIOCÍNIO LÓGICO

CURSO ONLINE RACIOCÍNIO LÓGICO AULA QUINZE: Matrizes & Determinantes (Parte II) Olá, amigos! Pedimos desculpas por não ter sido possível apresentarmos esta aula na semana passada. Motivos de força maior nos impediram de fazê-lo, mas

Leia mais

Def. 1: Seja a quádrupla (V, K, +, ) onde V é um conjunto, K = IR ou K = IC,

Def. 1: Seja a quádrupla (V, K, +, ) onde V é um conjunto, K = IR ou K = IC, ESPAÇO VETORIAL Def. 1: Seja a quádrupla (V, K, +, ) onde V é um conjunto, K = IR ou K = IC, + é a operação (função) soma + : V V V, que a cada par (u, v) V V, associa um único elemento de V, denotado

Leia mais

x0 = 1 x n = 3x n 1 x k x k 1 Quantas são as sequências com n letras, cada uma igual a a, b ou c, de modo que não há duas letras a seguidas?

x0 = 1 x n = 3x n 1 x k x k 1 Quantas são as sequências com n letras, cada uma igual a a, b ou c, de modo que não há duas letras a seguidas? Recorrências Muitas vezes não é possível resolver problemas de contagem diretamente combinando os princípios aditivo e multiplicativo. Para resolver esses problemas recorremos a outros recursos: as recursões

Leia mais

Exercícios Adicionais

Exercícios Adicionais Exercícios Adicionais Observação: Estes exercícios são um complemento àqueles apresentados no livro. Eles foram elaborados com o objetivo de oferecer aos alunos exercícios de cunho mais teórico. Nós recomendamos

Leia mais

O ESPAÇO NULO DE A: RESOLVENDO AX = 0 3.2

O ESPAÇO NULO DE A: RESOLVENDO AX = 0 3.2 3.2 O Espaço Nulo de A: Resolvendo Ax = 0 11 O ESPAÇO NULO DE A: RESOLVENDO AX = 0 3.2 Esta seção trata do espaço de soluções para Ax = 0. A matriz A pode ser quadrada ou retangular. Uma solução imediata

Leia mais

Expansão linear e geradores

Expansão linear e geradores Espaços Vectoriais - ALGA - 004/05 4 Expansão linear e geradores Se u ; u ; :::; u n são vectores de um espaço vectorial V; como foi visto atrás, alguns vectores de V são combinação linear de u ; u ; :::;

Leia mais

Åaxwell Mariano de Barros

Åaxwell Mariano de Barros ÍÒ Ú Ö Ö Ð ÓÅ Ö Ò Ó Ô ÖØ Ñ ÒØÓ Å Ø Ñ Ø ÒØÖÓ Ò Ü Ø Ì ÒÓÐÓ ÆÓØ ÙÐ ¹¼ ÐÙÐÓÎ ØÓÖ Ð ÓÑ ØÖ Ò Ð Ø Åaxwell Mariano de Barros ¾¼½½ ËÓÄÙ ¹ÅA ËÙÑ Ö Ó 1 Vetores no Espaço 2 1.1 Bases.........................................

Leia mais

Recordamos que Q M n n (R) diz-se ortogonal se Q T Q = I.

Recordamos que Q M n n (R) diz-se ortogonal se Q T Q = I. Diagonalização ortogonal de matrizes simétricas Detalhes sobre a Secção.3 dos Apontamentos das Aulas teóricas de Álgebra Linear Cursos: LMAC, MEBiom e MEFT (semestre, 0/0, Prof. Paulo Pinto) Recordamos

Leia mais

FACULDADE DE CIÊNCIA E TECNOLOGIA. Cursos de Engenharia. Prof. Álvaro Fernandes Serafim

FACULDADE DE CIÊNCIA E TECNOLOGIA. Cursos de Engenharia. Prof. Álvaro Fernandes Serafim FACULDADE DE CIÊNCIA E TECNOLOGIA Cursos de Engenharia Prof. Álvaro Fernandes Serafim Última atualização: //7. Esta apostila de Álgebra Linear foi elaborada pela Professora Ilka Rebouças Freire. A formatação

Leia mais

CAPÍTULO 6 TRANSFORMAÇÃO LINEAR

CAPÍTULO 6 TRANSFORMAÇÃO LINEAR INODUÇÃO AO ESUDO DA ÁLGEBA LINEA CAPÍULO 6 ANSFOMAÇÃO LINEA Introdução Muitos problemas de Matemática Aplicada envolvem o estudo de transformações, ou seja, a maneira como certos dados de entrada são

Leia mais

E A D - S I S T E M A S L I N E A R E S INTRODUÇÃO

E A D - S I S T E M A S L I N E A R E S INTRODUÇÃO E A D - S I S T E M A S L I N E A R E S INTRODUÇÃO Dizemos que uma equação é linear, ou de primeiro grau, em certa incógnita, se o maior expoente desta variável for igual a um. Ela será quadrática, ou

Leia mais

ESPAÇOS MUNIDOS DE PRODUTO INTERNO

ESPAÇOS MUNIDOS DE PRODUTO INTERNO ESPAÇOS MUNIDOS DE PRODUTO INTERNO Angelo Fernando Fiori 1 Bruna Larissa Cecco 2 Grazielli Vassoler 3 Resumo: O presente trabalho apresenta um estudo sobre os espaços vetoriais munidos de produto interno.

Leia mais

UNIV ERSIDADE DO EST ADO DE SANT A CAT ARINA UDESC CENT RO DE CI ^ENCIAS T ECNOLOGICAS DEP ART AMENT O DE MAT EMAT ICA DMAT

UNIV ERSIDADE DO EST ADO DE SANT A CAT ARINA UDESC CENT RO DE CI ^ENCIAS T ECNOLOGICAS DEP ART AMENT O DE MAT EMAT ICA DMAT UNIV ERSIDADE DO EST ADO DE SANT A CAT ARINA UDESC CENT RO DE CI ^ENCIAS T ECNOLOGICAS CCT DEP ART AMENT O DE MAT EMAT ICA DMAT Professora Graciela Moro Exercícios sobre Matrizes, Determinantes e Sistemas

Leia mais

Capítulo 1. x > y ou x < y ou x = y

Capítulo 1. x > y ou x < y ou x = y Capítulo Funções, Plano Cartesiano e Gráfico de Função Ao iniciar o estudo de qualquer tipo de matemática não podemos provar tudo. Cada vez que introduzimos um novo conceito precisamos defini-lo em termos

Leia mais

1. O conjunto dos polinômios de grau m, com 2 m 5, acrescido do polinômio nulo, é um subespaço do espaço P 5.

1. O conjunto dos polinômios de grau m, com 2 m 5, acrescido do polinômio nulo, é um subespaço do espaço P 5. UFPB/PRAI/CCT/DME - CAMPUS II DISCIPLINA: Álgebra Linear ALUNO (A): 2 a LISTA DE EXERCÍCIOS 1 a PARTE: QUESTÕES TIPO VERDADEIRO OU FALSO COM JUSTI- FICATIVA. 1. O conjunto dos polinômios de grau m com

Leia mais

ÁLGEBRA LINEAR ISBN 978-85-915683-0-7

ÁLGEBRA LINEAR ISBN 978-85-915683-0-7 . ÁLGEBRA LINEAR ISBN 978-85-915683-0-7 ROBERTO DE MARIA NUNES MENDES Professor do Departamento de Matemática e Estatística e do Programa de Pós-graduação em Engenharia Elétrica da PUCMINAS Belo Horizonte

Leia mais

Matemática - UEL - 2010 - Compilada em 18 de Março de 2010. Prof. Ulysses Sodré Matemática Essencial: http://www.mat.uel.

Matemática - UEL - 2010 - Compilada em 18 de Março de 2010. Prof. Ulysses Sodré Matemática Essencial: http://www.mat.uel. Matemática Essencial Equações do Segundo grau Conteúdo Matemática - UEL - 2010 - Compilada em 18 de Março de 2010. Prof. Ulysses Sodré Matemática Essencial: http://www.mat.uel.br/matessencial/ 1 Introdução

Leia mais

Lista 1 para a P2. Operações com subespaços

Lista 1 para a P2. Operações com subespaços Lista 1 para a P2 Observação 1: Estes exercícios são um complemento àqueles apresentados no livro. Eles foram elaborados com o objetivo de oferecer aos alunos exercícios de cunho mais teórico. Nós sugerimos

Leia mais

11 a LISTA DE PROBLEMAS DE ÁLGEBRA LINEAR LEIC-Taguspark, LERCI, LEGI, LEE 1 o semestre 2003/04 - semana de 2003-12-08

11 a LISTA DE PROBLEMAS DE ÁLGEBRA LINEAR LEIC-Taguspark, LERCI, LEGI, LEE 1 o semestre 2003/04 - semana de 2003-12-08 INSTITUTO SUPERIOR TÉCNICO - DEPARTAMENTO DE MATEMÁTICA a LISTA DE PROBLEMAS DE ÁLGEBRA LINEAR LEIC-Taguspark LERCI LEGI LEE o semestre 23/4 - semana de 23-2-8. Diga justificando quais dos seguintes ternos

Leia mais

Todos os exercícios sugeridos nesta apostila se referem ao volume 1. MATEMÁTICA I 1 FUNÇÃO DO 1º GRAU

Todos os exercícios sugeridos nesta apostila se referem ao volume 1. MATEMÁTICA I 1 FUNÇÃO DO 1º GRAU FUNÇÃO IDENTIDADE... FUNÇÃO LINEAR... FUNÇÃO AFIM... GRÁFICO DA FUNÇÃO DO º GRAU... IMAGEM... COEFICIENTES DA FUNÇÃO AFIM... ZERO DA FUNÇÃO AFIM... 8 FUNÇÕES CRESCENTES OU DECRESCENTES... 9 SINAL DE UMA

Leia mais

Vetores. Definição geométrica de vetores

Vetores. Definição geométrica de vetores Vetores Várias grandezas físicas, tais como por exemplo comprimento, área, olume, tempo, massa e temperatura são completamente descritas uma ez que a magnitude (intensidade) é dada. Tais grandezas são

Leia mais

Notas de Aula. Álgebra Linear

Notas de Aula. Álgebra Linear Notas de Aula Álgebra Linear Rodney Josué Biezuner 1 Departamento de Matemática Instituto de Ciências Exatas (ICEx) Universidade Federal de Minas Gerais (UFMG) Notas de aula da disciplina Álgebra Linear

Leia mais

Corpos. Um domínio de integridade finito é um corpo. Demonstração. Seja D um domínio de integridade com elemento identidade

Corpos. Um domínio de integridade finito é um corpo. Demonstração. Seja D um domínio de integridade com elemento identidade Corpos Definição Um corpo é um anel comutativo com elemento identidade em que todo o elemento não nulo é invertível. Muitas vezes é conveniente pensar em ab 1 como sendo a b, quando a e b são elementos

Leia mais

ÁLGEBRA LINEAR. Núcleo e Imagem de uma Transformação Linear, Teorema da Dimensão, Isomorfismo. Prof. Susie C. Keller

ÁLGEBRA LINEAR. Núcleo e Imagem de uma Transformação Linear, Teorema da Dimensão, Isomorfismo. Prof. Susie C. Keller ÁLGEBRA LINEAR Núcleo e Imagem de uma Transformação Linear, Teorema da Dimensão, Isomorfismo Prof. Susie C. Keller Núcleo de uma Definição: Chama-se núcleo de uma transformação linear T: V W ao conjunto

Leia mais

Bem, produto interno serve para determinar ângulos e distâncias entre vetores e é representado por produto interno de v com w).

Bem, produto interno serve para determinar ângulos e distâncias entre vetores e é representado por produto interno de v com w). Produto Interno INTRODUÇÃO Galera, vamos aprender agora as definições e as aplicações de Produto Interno. Essa matéria não é difícil, mas para ter segurança nela é necessário que o aluno tenha certa bagagem

Leia mais

Por que o quadrado de terminados em 5 e ta o fa cil? Ex.: 15²=225, 75²=5625,...

Por que o quadrado de terminados em 5 e ta o fa cil? Ex.: 15²=225, 75²=5625,... Por que o quadrado de terminados em 5 e ta o fa cil? Ex.: 15²=225, 75²=5625,... 0) O que veremos na aula de hoje? Um fato interessante Produtos notáveis Equação do 2º grau Como fazer a questão 5 da 3ª

Leia mais

Só Matemática O seu portal matemático http://www.somatematica.com.br FUNÇÕES

Só Matemática O seu portal matemático http://www.somatematica.com.br FUNÇÕES FUNÇÕES O conceito de função é um dos mais importantes em toda a matemática. O conceito básico de função é o seguinte: toda vez que temos dois conjuntos e algum tipo de associação entre eles, que faça

Leia mais

Conceitos Fundamentais

Conceitos Fundamentais Capítulo 1 Conceitos Fundamentais Objetivos: No final do Capítulo o aluno deve saber: 1. distinguir o uso de vetores na Física e na Matemática; 2. resolver sistema lineares pelo método de Gauss-Jordan;

Leia mais

R é o conjunto dos reais; f : A B, significa que f é definida no conjunto A (domínio - domain) e assume valores em B (contradomínio range).

R é o conjunto dos reais; f : A B, significa que f é definida no conjunto A (domínio - domain) e assume valores em B (contradomínio range). f : A B, significa que f é definida no conjunto A (domínio - domain) e assume valores em B (contradomínio range). R é o conjunto dos reais; R n é o conjunto dos vetores n-dimensionais reais; Os vetores

Leia mais

QUESTÕES COMENTADAS E RESOLVIDAS

QUESTÕES COMENTADAS E RESOLVIDAS LENIMAR NUNES DE ANDRADE INTRODUÇÃO À ÁLGEBRA: QUESTÕES COMENTADAS E RESOLVIDAS 1 a edição ISBN 978-85-917238-0-5 João Pessoa Edição do Autor 2014 Prefácio Este texto foi elaborado para a disciplina Introdução

Leia mais

1 Base de um Espaço Vetorial

1 Base de um Espaço Vetorial Disciplina: Anéis e Corpos Professor: Fernando Torres Membros do grupo: Blas Melendez Caraballo (ra143857), Leonardo Soriani Alves (ra115465), Osmar Rogério Reis Severiano (ra134333) Ramon Códamo Braga

Leia mais

Material Teórico - Módulo de Divisibilidade. MDC e MMC - Parte 1. Sexto Ano. Prof. Angelo Papa Neto

Material Teórico - Módulo de Divisibilidade. MDC e MMC - Parte 1. Sexto Ano. Prof. Angelo Papa Neto Material Teórico - Módulo de Divisibilidade MDC e MMC - Parte 1 Sexto Ano Prof. Angelo Papa Neto 1 Máximo divisor comum Nesta aula, definiremos e estudaremos métodos para calcular o máximo divisor comum

Leia mais

Objetivos. Apresentar as superfícies regradas e superfícies de revolução. Analisar as propriedades que caracterizam as superfícies regradas e

Objetivos. Apresentar as superfícies regradas e superfícies de revolução. Analisar as propriedades que caracterizam as superfícies regradas e MÓDULO 2 - AULA 13 Aula 13 Superfícies regradas e de revolução Objetivos Apresentar as superfícies regradas e superfícies de revolução. Analisar as propriedades que caracterizam as superfícies regradas

Leia mais

Uma lei que associa mais de um valor y a um valor x é uma relação, mas não uma função. O contrário é verdadeiro (isto é, toda função é uma relação).

Uma lei que associa mais de um valor y a um valor x é uma relação, mas não uma função. O contrário é verdadeiro (isto é, toda função é uma relação). 5. FUNÇÕES DE UMA VARIÁVEL 5.1. INTRODUÇÃO Devemos compreender função como uma lei que associa um valor x pertencente a um conjunto A a um único valor y pertencente a um conjunto B, ao que denotamos por

Leia mais

Ponto, reta e plano no espaço tridimensional, cont.

Ponto, reta e plano no espaço tridimensional, cont. Ponto, reta e plano no espaço tridimensional, cont. Matemática para arquitetura Ton Marar 1. Posições relativas Posição relativa entre pontos Dois pontos estão sempre alinhados. Três pontos P 1 = (x 1,

Leia mais

Este apêndice resume os conceitos de álgebra matricial, inclusive da álgebra de probabilidade,

Este apêndice resume os conceitos de álgebra matricial, inclusive da álgebra de probabilidade, D Resumo de Álgebra Matricial Este apêndice resume os conceitos de álgebra matricial, inclusive da álgebra de probabilidade, necessária para o estudo de modelos de regressão linear múltipla usando matrizes,

Leia mais

Sistemas Lineares e Escalonamento

Sistemas Lineares e Escalonamento Capítulo 1 Sistemas Lineares e Escalonamento Antes de iniciarmos nos assuntos geométricos da Geometria Analítica, vamos recordar algumas técnicas sobre escalonamento de matrizes com aplicações na solução

Leia mais

ITA - 2005 3º DIA MATEMÁTICA BERNOULLI COLÉGIO E PRÉ-VESTIBULAR

ITA - 2005 3º DIA MATEMÁTICA BERNOULLI COLÉGIO E PRÉ-VESTIBULAR ITA - 2005 3º DIA MATEMÁTICA BERNOULLI COLÉGIO E PRÉ-VESTIBULAR Matemática Questão 01 Considere os conjuntos S = {0,2,4,6}, T = {1,3,5} e U = {0,1} e as afirmações: I. {0} S e S U. II. {2} S\U e S T U={0,1}.

Leia mais

Aplicações de Combinatória e Geometria na Teoria dos Números

Aplicações de Combinatória e Geometria na Teoria dos Números Aplicações de Combinatória e Geometria na Teoria dos Números Nesse artigo vamos discutir algumas abordagens diferentes na Teoria dos Números, no sentido de envolverem também outras grandes áreas, como

Leia mais

FUNÇÃO DO 1º GRAU. Vamos iniciar o estudo da função do 1º grau, lembrando o que é uma correspondência:

FUNÇÃO DO 1º GRAU. Vamos iniciar o estudo da função do 1º grau, lembrando o que é uma correspondência: FUNÇÃO DO 1º GRAU Vamos iniciar o estudo da função do 1º grau, lembrando o que é uma correspondência: Correspondência: é qualquer conjunto de pares ordenados onde o primeiro elemento pertence ao primeiro

Leia mais

Sistema de equações lineares

Sistema de equações lineares Sistema de equações lineares Sistema de m equações lineares em n incógnitas sobre um corpo ( S) a x + a x + + a x = b a x + a x + + a x = b a x + a x + + a x = b 11 1 12 2 1n n 1 21 1 22 2 2n n 2 m1 1

Leia mais

CAPÍTULO 4. A Produção de Significados para a Noção de Base: Um Estudo de Caso

CAPÍTULO 4. A Produção de Significados para a Noção de Base: Um Estudo de Caso CAPÍTULO 4 A Produção de Significados para a Noção de Base: Um Estudo de Caso 77 4. Um Estudo Preliminar Na primeira fase de elaboração das atividades do estudo de caso, tentamos reunir alguns elementos

Leia mais

Unidade II - Sistemas de Equações Lineares

Unidade II - Sistemas de Equações Lineares Unidade II - Sistemas de Equações Lineares 1- Situando a Temática Discutiremos agora um dos mais importantes temas da matemática: Sistemas de Equações Lineares Trata-se de um tema que tem aplicações dentro

Leia mais

RELAÇÕES BINÁRIAS Produto Cartesiano A X B

RELAÇÕES BINÁRIAS Produto Cartesiano A X B RELAÇÕES BINÁRIAS PARES ORDENADOS Um PAR ORDENADO, denotado por (x,y), é um par de elementos onde x é o Primeiro elemento e y é o Segundo elemento do par A ordem é relevante em um par ordenado Logo, os

Leia mais

94 (8,97%) 69 (6,58%) 104 (9,92%) 101 (9,64%) 22 (2,10%) 36 (3,44%) 115 (10,97%) 77 (7,35%) 39 (3,72%) 78 (7,44%) 103 (9,83%)

94 (8,97%) 69 (6,58%) 104 (9,92%) 101 (9,64%) 22 (2,10%) 36 (3,44%) 115 (10,97%) 77 (7,35%) 39 (3,72%) 78 (7,44%) 103 (9,83%) Distribuição das 1.048 Questões do I T A 94 (8,97%) 104 (9,92%) 69 (6,58%) Equações Irracionais 09 (0,86%) Equações Exponenciais 23 (2, 101 (9,64%) Geo. Espacial Geo. Analítica Funções Conjuntos 31 (2,96%)

Leia mais

Domínio, Contradomínio e Imagem

Domínio, Contradomínio e Imagem Domínio, Contradomínio e Imagem (domínio, contradomínio e imagem de função) Seja f : X Y uma função. Dizemos que: f (X) X Y X é o domínio; Y é o contra-domínio e {y B; y = f (x) para algum x X} é a imagem,

Leia mais

Breve referência à Teoria de Anéis. Álgebra (Curso de CC) Ano lectivo 2005/2006 191 / 204

Breve referência à Teoria de Anéis. Álgebra (Curso de CC) Ano lectivo 2005/2006 191 / 204 Breve referência à Teoria de Anéis Álgebra (Curso de CC) Ano lectivo 2005/2006 191 / 204 Anéis Há muitos conjuntos, como é o caso dos inteiros, dos inteiros módulo n ou dos números reais, que consideramos

Leia mais

6. Verifique detalhadamente que os seguintes conjuntos são espaços vetoriais(com a soma e produto por escalar usuais):

6. Verifique detalhadamente que os seguintes conjuntos são espaços vetoriais(com a soma e produto por escalar usuais): a Lista. Sejam u = ( 4 ) v = ( 5) e w = (a b). Encontre a e b tais que (a)w = u + v (b)w = 5v (c)u + w = u v. Represente os vetores acima no plano cartesiano.. Sejam u = (4 ) v = ( 4) e w = (a b c). Encontre

Leia mais

Resolução de sistemas lineares

Resolução de sistemas lineares Resolução de sistemas lineares J M Martínez A Friedlander 1 Alguns exemplos Comecemos mostrando alguns exemplos de sistemas lineares: 3x + 2y = 5 x 2y = 1 (1) 045x 1 2x 2 + 6x 3 x 4 = 10 x 2 x 5 = 0 (2)

Leia mais

Sistemas Lineares. 2. (Ufsj 2013) Considere o seguinte sistema de equações lineares, nas incógnitas x, y e z:

Sistemas Lineares. 2. (Ufsj 2013) Considere o seguinte sistema de equações lineares, nas incógnitas x, y e z: Sistemas Lineares 1. (Unesp 2013) Uma coleção de artrópodes é formada por 36 exemplares, todos eles íntegros e que somam, no total da coleção, 113 pares de patas articuladas. Na coleção não há exemplares

Leia mais

MÉTODOS DISCRETOS EM TELEMÁTICA

MÉTODOS DISCRETOS EM TELEMÁTICA 1 MÉTODOS DISCRETOS EM TELEMÁTICA MATEMÁTICA DISCRETA Profa. Marcia Mahon Grupo de Pesquisas em Comunicações - CODEC Departamento de Eletrônica e Sistemas - UFPE Outubro 2003 2 CONTEÚDO 1 - Introdução

Leia mais

Marília Brasil Xavier REITORA. Prof. Rubens Vilhena Fonseca COORDENADOR GERAL DOS CURSOS DE MATEMÁTICA

Marília Brasil Xavier REITORA. Prof. Rubens Vilhena Fonseca COORDENADOR GERAL DOS CURSOS DE MATEMÁTICA Marília Brasil Xavier REITORA Prof. Rubens Vilhena Fonseca COORDENADOR GERAL DOS CURSOS DE MATEMÁTICA MATERIAL DIDÁTICO EDITORAÇÃO ELETRONICA Odivaldo Teixeira Lopes ARTE FINAL DA CAPA Odivaldo Teixeira

Leia mais

Capítulo 3. Cálculo Vetorial. 3.1 Segmentos Orientados

Capítulo 3. Cálculo Vetorial. 3.1 Segmentos Orientados Capítulo 3 Cálculo Vetorial O objetivo deste capítulo é o estudo de vetores de um ponto de vista geométrico e analítico. De acordo com a necessidade, a abordagem do assunto será formal ou informal. O estudo

Leia mais

Nesta aula iremos continuar com os exemplos de revisão.

Nesta aula iremos continuar com os exemplos de revisão. Capítulo 8 Nesta aula iremos continuar com os exemplos de revisão. 1. Exemplos de revisão Exemplo 1 Ache a equação do círculo C circunscrito ao triângulo de vértices A = (7, 3), B = (1, 9) e C = (5, 7).

Leia mais

Dicas para a 6 a Lista de Álgebra 1 (Conteúdo: Homomorfismos de Grupos e Teorema do Isomorfismo para grupos) Professor: Igor Lima.

Dicas para a 6 a Lista de Álgebra 1 (Conteúdo: Homomorfismos de Grupos e Teorema do Isomorfismo para grupos) Professor: Igor Lima. Dicas para a 6 a Lista de Álgebra 1 (Conteúdo: Homomorfismos de Grupos e Teorema do Isomorfismo para grupos) Professor: Igor Lima. 1 /2013 Para calcular Hom(G 1,G 2 ) ou Aut(G) vocês vão precisar ter em

Leia mais

Retas e Planos. Equação Paramétrica da Reta no Espaço

Retas e Planos. Equação Paramétrica da Reta no Espaço Retas e lanos Equações de Retas Equação aramétrica da Reta no Espaço Considere o espaço ambiente como o espaço tridimensional Um vetor v = (a, b, c) determina uma direção no espaço Dado um ponto 0 = (x

Leia mais

Módulo de Geometria Anaĺıtica 1. Paralelismo e Perpendicularismo. 3 a série E.M.

Módulo de Geometria Anaĺıtica 1. Paralelismo e Perpendicularismo. 3 a série E.M. Módulo de Geometria Anaĺıtica 1 Paralelismo e Perpendicularismo 3 a série EM Geometria Analítica 1 Paralelismo e Perpendicularismo 1 Exercícios Introdutórios Exercício 1 Determine se as retas de equações

Leia mais

Capítulo 2: Transformação de Matrizes e Resolução de Sistemas

Capítulo 2: Transformação de Matrizes e Resolução de Sistemas 2 Livro: Introdução à Álgebra Linear Autores: Abramo Hefez Cecília de Souza Fernandez Capítulo 2: Transformação de Matrizes e Resolução de Sistemas Sumário 1 Transformação de Matrizes.............. 3 1.1

Leia mais

Mudança de Coordenadas

Mudança de Coordenadas Mudança de Coordenadas Reginaldo J. Santos Departamento de Matemática-ICE Universidade Federal de Minas Gerais http://www.mat.ufmg.br/~regi regi@mat.ufmg.br 13 de deembro de 2001 1 Rotação e Translação

Leia mais

Somatórias e produtórias

Somatórias e produtórias Capítulo 8 Somatórias e produtórias 8. Introdução Muitas quantidades importantes em matemática são definidas como a soma de uma quantidade variável de parcelas também variáveis, por exemplo a soma + +

Leia mais

Prof. José Carlos Morilla

Prof. José Carlos Morilla 1 Cálculo Vetorial e Geometria Analítica Santos 009 1 CÁLCULO VETORIAL... 4 1.1 Segmentos Orientados... 4 1. Vetores... 4 1..1 Soma de um ponto com um vetor... 5 1.. Adição de vetores... 5 1..3 Diferença

Leia mais

Álgebra Linear I Solução da 5ª Lista de Exercícios

Álgebra Linear I Solução da 5ª Lista de Exercícios FUNDAÇÃO EDUCACIONAL SERRA DOS ÓRGÃOS CENTRO UNIVERSITÁRIO SERRA DOS ÓRGÃOS Centro de Ciências e Tecnologia Curso de Graduação em Engenharia de Produção Curso de Graduação em Engenharia Ambiental e Sanitária

Leia mais

13 ÁLGEBRA Uma balança para introduzir os conceitos de Equação do 1ºgrau

13 ÁLGEBRA Uma balança para introduzir os conceitos de Equação do 1ºgrau MATEMATICA 13 ÁLGEBRA Uma balança para introduzir os conceitos de Equação do 1ºgrau ORIENTAÇÃO PARA O PROFESSOR OBJETIVO O objetivo desta atividade é trabalhar com as propriedades de igualdade, raízes

Leia mais

Matrizes e Determinantes

Matrizes e Determinantes Capítulo 1 Matrizes e Determinantes 11 Generalidades Iremos usar K para designar IR conjunto dos números reais C conjunto dos números complexos Deste modo, chamaremos números ou escalares aos elementos

Leia mais

(a) Encontre o custo total de ações, usando multiplicação de matrizes.

(a) Encontre o custo total de ações, usando multiplicação de matrizes. NIVERSIDADE ESTADAL DE SANTA CRZ - ESC DEARTAMENTO DE CIÊNCIAS EXATAS E TECNOLÓGICAS - DCET ÁLGEBRA LINEAR ASSNTO: MATRIZES EXERCÍCIOS RESOLVIDOS. Suponha que um corretor da Bolsa de Valores faça um pedido

Leia mais

Potenciação no Conjunto dos Números Inteiros - Z

Potenciação no Conjunto dos Números Inteiros - Z Rua Oto de Alencar nº 5-9, Maracanã/RJ - tel. 04-98/4-98 Potenciação no Conjunto dos Números Inteiros - Z Podemos epressar o produto de quatro fatores iguais a.... por meio de uma potência de base e epoente

Leia mais

Gobooks.com.br. PucQuePariu.com.br

Gobooks.com.br. PucQuePariu.com.br ÁLGEBRA LINEAR todos os conceitos, gráficos e fórmulas necessárias, em um só lugar. Gobooks.com.br PucQuePariu.com.br e te salvando de novo. Agora com o: RESUMO ÁLGEBRA LINEAR POR: Giovanni Tramontin 1.

Leia mais

Capítulo 3 - Sistemas de Equações Lineares

Capítulo 3 - Sistemas de Equações Lineares Capítulo 3 - Sistemas de Equações Lineares Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança Matemática I - 1 o Semestre 2011/2012 Matemática I 1/

Leia mais

FUNÇÃO COMO CONJUNTO R 1. (*)= ou, seja, * possui duas imagens. b) não é uma função de A em B, pois não satisfaz a segunda condição da

FUNÇÃO COMO CONJUNTO R 1. (*)= ou, seja, * possui duas imagens. b) não é uma função de A em B, pois não satisfaz a segunda condição da FUNÇÃO COMO CONJUNTO Definição 4.4 Seja f uma relação de A em B, dizemos que f é uma função de A em B se as duas condições a seguir forem satisfeitas: i) D(f) = A, ou seja, o domínio de f é o conjunto

Leia mais

Introdução MATRIZES. O que vocês acham? Onde podemos usar Matrizes além dos estudos de matemática?

Introdução MATRIZES. O que vocês acham? Onde podemos usar Matrizes além dos estudos de matemática? PROBBILIDDES Professora Rosana Relva Números Inteiros e Racionais Introdução rrelva@globo.com O crescente uso dos computadores tem feito com que a teoria das matrizes seja cada vez mais aplicada. Onde

Leia mais

Funções algébricas do 1º grau. Maurício Bezerra Bandeira Junior

Funções algébricas do 1º grau. Maurício Bezerra Bandeira Junior Maurício Bezerra Bandeira Junior Definição Chama-se função polinomial do 1º grau, ou função afim, a qualquer função f de IR em IR dada por uma lei da forma f(x) = ax + b, onde a e b são números reais dados

Leia mais

O Problema do Troco Principio da Casa dos Pombos. > Princípios de Contagem e Enumeração Computacional 0/48

O Problema do Troco Principio da Casa dos Pombos. > Princípios de Contagem e Enumeração Computacional 0/48 Conteúdo 1 Princípios de Contagem e Enumeração Computacional Permutações com Repetições Combinações com Repetições O Problema do Troco Principio da Casa dos Pombos > Princípios de Contagem e Enumeração

Leia mais

Capítulo 3 - Sistemas de Equações Lineares

Capítulo 3 - Sistemas de Equações Lineares Capítulo 3 - Sistemas de Equações Lineares Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança Matemática I - 1 o Semestre 2011/2012 Matemática I 1/

Leia mais

(os números, que constituirão os corpos numéricos) (os vetores, que constituirão os espaços vetoriais)

(os números, que constituirão os corpos numéricos) (os vetores, que constituirão os espaços vetoriais) Os objetos que serão considerados aqui são de duas natureza: Escalar: Vetorial: (os números, que constituirão os corpos numéricos) (os vetores, que constituirão os espaços vetoriais). Corpos Numéricos

Leia mais

Álgebra linear algorítmica

Álgebra linear algorítmica Álgebra linear algorítmica S. C. Coutinho Este arquivo reúne as provas do curso álgebra linear algorítmica (MAB 5) oferecido pelo Departamento de Ciência da Computação da UFRJ. Primeira Prova200/. Seja

Leia mais

Função. Definição formal: Considere dois conjuntos: o conjunto X com elementos x e o conjunto Y com elementos y. Isto é:

Função. Definição formal: Considere dois conjuntos: o conjunto X com elementos x e o conjunto Y com elementos y. Isto é: Função Toda vez que temos dois conjuntos e algum tipo de associação entre eles, que faça corresponder a todo elemento do primeiro conjunto um único elemento do segundo, ocorre uma função. Definição formal:

Leia mais

Erros. Número Aproximado. Erros Absolutos erelativos. Erro Absoluto

Erros. Número Aproximado. Erros Absolutos erelativos. Erro Absoluto Erros Nenhum resultado obtido através de cálculos eletrônicos ou métodos numéricos tem valor se não tivermos conhecimento e controle sobre os possíveis erros envolvidos no processo. A análise dos resultados

Leia mais

PARTE 2 FUNÇÕES VETORIAIS DE UMA VARIÁVEL REAL

PARTE 2 FUNÇÕES VETORIAIS DE UMA VARIÁVEL REAL PARTE FUNÇÕES VETORIAIS DE UMA VARIÁVEL REAL.1 Funções Vetoriais de Uma Variável Real Vamos agora tratar de um caso particular de funções vetoriais F : Dom(f R n R m, que são as funções vetoriais de uma

Leia mais

NIVELAMENTO MATEMÁTICA 2012

NIVELAMENTO MATEMÁTICA 2012 NIVELAMENTO MATEMÁTICA 202 Monitor: Alexandre Rodrigues Loures Monitor: Alexandre Rodrigues Loures SUMÁRIO. LOGARITMOS... 3.. Mudança de base... 3.2. Propriedades dos logaritmos... 4 2. DERIVADAS... 4

Leia mais

Unidade: Vetores e Forças. Unidade I:

Unidade: Vetores e Forças. Unidade I: Unidade I: 0 Unidade: Vetores e Forças 2.VETORES 2.1 Introdução Os vetores são definidos como entes matemáticos que dão noção de intensidade, direção e sentido. De forma prática, o conceito de vetor pode

Leia mais

Equação do 1º Grau. Maurício Bezerra Bandeira Junior

Equação do 1º Grau. Maurício Bezerra Bandeira Junior Maurício Bezerra Bandeira Junior Introdução às equações de primeiro grau Para resolver um problema matemático, quase sempre devemos transformar uma sentença apresentada com palavras em uma sentença que

Leia mais